事件历史事件
研究者提出成本感知越狱评测指标ASR_STEP
先了解这件事
AI 综述
2026年10月，有研究者在arXiv发表论文，提出成本感知的越狱评测指标ASR_STEP：在保留二元成功判定的同时，惩罚迭代式越狱攻击过程中对受害者模型的额外调用。在JailBreakBench上对三个模型族的测试显示，GCG的分数经折扣后下降7.0–8.7个百分点，单步PAP基线保持不变，PAIR的折扣幅度在3.4–12个百分点之间，说明不同迭代策略中“步数”的含义并不相同。作者称，同时报告传统攻击成功率与该指标，可以让重复调用受害者模型带来的折扣显式呈现。
AI 根据报道生成 · 24 天前更新
走势与进展
每小时关注度
现在 31，24 小时 0%·峰值 31（11月6日 04:00）
11月7日11月8日11月9日11月10日11月11日11月12日11月13日现在 31
相关研究
这件事的论文
- 超越攻击成功率：评估迭代式 LLM 越狱的成本感知指标
arXiv · 2026-10-19 · 深度解读
后续时间线
10月19日
- arXiv：越狱、提示注入、投毒与防御超越攻击成功率：评估迭代式 LLM 越狱的成本感知指标
研究者提出 ASR_STEP 指标，在保留二元成功判定的同时，惩罚攻击过程中对受害者模型的额外调用，用于评估迭代式 LLM 越狱。在 JailBreakBench 上对三个模型族测试显示，GCG 的分数经折扣后下降 7.0–8.7 个百分点，单步 PAP 基线保持不变，PAIR 的折扣幅度在 3.4–12 个百分点之间，说明不同迭代策略中“步数”的含义并不相同。作者称同时报告传统攻击成功率与该指标，可以让重复调用受害者模型带来的折扣显式可见。代码已在 GitHub（SuELS-Group/beyond_asr）公开。