深入歧义：受 A* 启发的多智能体常识混淆攻击针对 LLM 提示词
Dive into Ambiguity: A*-Inspired Multi-Agents Commonsense Obfuscation Attack on LLM Prompts
AI 导读
研究者提出受 A* 启发的多智能体常识混淆攻击框架，用于生成语义对齐但被混淆的 LLM 提示词。其分层重写策略由动态语义分散系数 γ 引导，按反向模拟退火调度在前期保守编辑、后期激进混淆，并用 Agentic Mechanism Labeling 细化对抗机制。在多种 LLM 上，该方法攻击成功率高于穷举探索，所需尝试次数更少。