国防科大提出 JailExpert 越狱框架，攻击效率达最优基线 2.7 倍

国防科技大学研究者在 arXiv 发表越狱框架 JailExpert，将历史越狱攻击结果结构化为可复用经验，在 7 个 LLM 上平均攻击成功率达 90%，攻击效率（ASR-E）为最优基线 ReNeLLM 的 2.7 倍。每条经验记录初始恶意指令、完整越狱提示、越狱模式以及成功和失败次数；框架用 text-embedding-3-small 计算指令与完整提示之间的语义漂移，经 K-Means 分组后，从每组选取出现频率和历史成功率最高的模式作为代表性模板，攻击后再动态更新计数。实验中 GPT-4 的攻击成功率为 76%，Gemini-1.5-pro 与 GPT-4-Turbo 达 100%；LlamaGuard 使 GPT-4-Turbo 的成功率从 95.5% 降至 62.4%，PPL Filter 对 Llama2-7b 的攻击成功率无影响（97.3%）。