提出 BLINDBIAS，通过纯文本续写与前缀控制越狱黑盒模型
BLINDBIAS 是一种针对 sample-only 续写接口的 black-box 解码时越狱框架，研究没有目标数值概率时，采样能否支持逐步控制。
提出推理通道预填与输出前缀组合攻击以越狱推理模型
提出任意字母置换密码越狱，无需微调即可诱导有害输出
摘要前沿大模型无需微调即可通过提示词学会字母置换密码，进而绕过分类器与对齐，作者呼吁关注能力提升带来的安全风险。
检验结构越狱 IICL 能否跨厂商泛化并与语言约束叠加
揭示推理加深引发的对齐坍塌，用 Reasoning Trap 放大越狱
作者研究扩展推理是否以对齐稳健性为代价，提出 ALR、RT 与 RRA。。
提出 SMT 框架，用模拟审核轨迹越狱函数调用 LLM
解释自回归一致性如何导致浅层安全对齐，并提出随机插入攻击
作者把浅层安全对齐和一类续写攻击都归到自回归一致性上。
提出多流扰动攻击，交织有害与良性任务绕过思考型 LLM 安全对齐
多流扰动攻击把有害任务与良性任务织进同一提示词，测试 thinking 模式的内容安全与推理稳定性。作者认为，交织多任务会拉长思考，使安全检测面对被打散的有害意图，并可能把推理用于合理化，或陷入崩溃与重复。方法不访问梯度。
分析续写触发越狱的注意力头机制并提出 HCS
作者用注意力头机制分析 continuation-triggered jailbreak：同一有害指令下，把 continuation 后缀从指令后面挪到提示词边界外，模型更容易顺着后缀继续生成。
提出视觉推理序列攻击 VRSA，以图像序列越狱多模态大模型
提出 EXISTBENCH，用前缀补全评测 LLM 生成生存威胁内容的倾向
提出 BreakFun ，用模拟代码执行中的对象实例化越狱模型
提出四种阶段转换攻击，绕过推理模型的安全推理护栏
提出 MetaBreak，用特殊 token 操纵越狱在线 LLM 服务并绕过审核
摘要利用特殊 token 注入对抗平台模板包裹与审核，多场景验证了越狱有效性与互补性。
提出 STAC 框架，把恶意目标拆成多轮看似无害的工具调用链
摘要作者提出并验证了智能体在序列化工具攻击下的普遍脆弱性，指出针对累积动作序列防御的必要性。
提出四段越狱提示，评测中英提示对闭源模型的绕过效果