Align to Misalign：用元优化 LLM 评判器实现自动 LLM 越狱
[Daily Paper] Align to Misalign: Automatic LLM Jailbreak with Meta-Optimized LLM Judges
AI 导读
Align to Misalign 是一种自动 LLM 越狱方法，通过元优化的 LLM 评判器实现自动越狱，对应论文题为《Align to Misalign: Automatic LLM Jailbreak with Meta-Optimized LLM Judges》。