JPRO：基于多智能体协作框架的自动化多模态越狱方法

研究者提出多智能体协作框架 JPRO，可自动化越狱视觉语言模型（VLM），在包括 GPT-4o 在内的多个先进 VLM 上攻击成功率超过 60%，显著优于现有方法。该框架由四个专门化智能体协同工作，配合策略驱动种子生成（Tactic-Driven Seed Generation）与自适应优化循环（Adaptive Optimization Loop）两个核心模块，生成有效且多样的攻击样本。论文称，现有越狱方法要么需要白盒访问而实用性受限，要么依赖人工设计的模式导致样本多样性和可扩展性差，JPRO 作为黑盒攻击方法克服了这些不足。作者表示，JPRO 既揭示了多模态模型的关键安全漏洞，也为评估和增强 VLM 鲁棒性提供了参考。