TASO：通过模板与后缀交替优化越狱大语言模型
TASO: Jailbreak LLMs via Alternative Template and Suffix Optimization
AI 导读
研究者提出名为 TASO 的越狱方法，交替优化语义模板和攻击后缀，以诱导大语言模型回答有害问题。其核心思路是两类优化互补：后缀优化能控制输出的前几个 token 但无法控制整体输出质量，模板优化能引导整个输出但难以控制起始 token，而起始 token 会显著影响后续响应，两者结合可提升攻击效果。作者在 HarmBench 和 AdvBench 基准上对 24 个主流模型（包括 Llama 系列、OpenAI 和 DeepSeek 的模型）进行评估，结果显示 TASO 能有效越狱现有大语言模型。