研究提出意图隐藏越狱信息论框架

Fengwei Tian 与 Ravi Tandon 发表论文，从信息论视角分析组合式意图隐藏越狱，提出“先验-后验匹配”方法：选择辅助任务，使含有害目标的任务束平均有害概率与整体先验一致，从而隐藏意图。 作者称，在查询无关设定下，精确匹配在任务束大小约束下是计算困难的，并给出分数权重的最优注水解，刻画了满足安全阈值的最小任务束。 在多个开源模型上的评估显示，组合查询在给定搜索预算下可诱发超出直接请求基线的目标行为，但任务束增大时响应级目标保持度趋于下降。

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。