PEV：随机嵌入扰动越狱开源权重LLM

UC Santa Cruz 研究者 Abhinav Sudhakar Dubey 等人在 arXiv 论文（arXiv:2610.07125）中提出一种名为 Perturbed Embedding Vector（PEV）的越狱攻击：只需在提示词的嵌入向量表示中反复采样加入独立高斯噪声，无需梯度计算、逐提示词优化，也不修改模型内部权重。 作者称，在 JailbreakBench 基准测试的全部提示词上，PEV 对六款开源权重 LLM 都能生成不安全回答；首次攻击成功的平均算力成本比以往攻击方法低最多一个数量级，每个受测模型上针对新提示词的首个成功越狱通常在一分钟内出现。上述效果均为论文作者在论文中的表述。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。