Concept2Scenario

新框架Concept2Scenario发现大型语言模型漏洞，绕过安全防护

研究人员开发了一个名为Concept2Scenario的新框架，用于识别和利用大型语言模型（LLMs）中的漏洞，这些漏洞允许有害请求绕过安全防护。该方法使用一个基于概念的归因框架来发现削弱模型拒绝能力的特定场景。所发现的场景在各种开源模型和基准测试中显示，攻击成功率提高了多达18.2个百分点，并且对GPT-5、Claude Haiku 4.5和Gemini 3 Flash等先进模型也显示出有效性。