全部论文

研究显示简单攻击可绕过 gpt-oss 等推理模型的安全护栏

提出四种阶段转换攻击，绕过推理模型的安全推理护栏

arXiv

2510.11570

发表

2025年10月14日

层

提示层

场景

模型与 API

攻击者

白盒、黑盒

测试

Phi-4-Reasoning-Plus、gpt-oss-20b、gpt-oss-120b 等 10 个

• 攻击越狱
• 技术推理链操控
• 组件推理链
• +2+2