SpecCloak：规格模板绕过模型拒答

一篇 arXiv 论文提出 PseudoSpec 模板，把编程需求改写为工程规格，可显著降低五个开源权重模型对恶意代码生成的拒绝率，即使需求中保留风险关键词也有效。作者 Wenbin Chen 等称，通过受控比较、表示分析和激活干预验证了这一效果。 基于该模板，作者构建了黑盒红队框架 SpecCloak，结合判别器引导优化，在 RedCode-Gen 上对八个目标模型的平均可执行验证攻击成功率达 28.91%。研究同时提出防御原型 SpecReveal。上述攻击成功率来自论文实验，尚待独立复现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。