G0DM0D3：通过自适应采样与输入扰动评估 LLM 鲁棒性的模块化框架
[Daily Paper] G0DM0D3: A Modular Framework for Evaluating LLM Robustness Through Adaptive Sampling and Input Perturbation
AI 导读
Failure-First 对越狱框架 G0DM0D3 的评测显示，其五个模块均在推理时运行、无需访问模型权重。该框架包含按对话上下文选择采样参数的 AutoTune、对安全触发词做字符级扰动的 Parseltongue（含 54 个默认触发词）、剥离模型输出安全免责声明的 STM、并行测试最多 51 个模型并按合规度打分的 ULTRAPLINIAN，以及针对 Claude、GPT-4o、Gemini、Grok、Hermes 的越狱提示词 L1B3RT4S。Failure-First 称 4 种 Parseltongue 技术在其 255 种技术的分类体系中属新发现，L1B3RT4S 的 6 个变体中有 5 个在 Nemotron 9B 上实现合规，并把采样参数操纵列为新的攻击家族。