JailbreakSkill

新框架通过可重用、不断发展的攻击技能扩展 AI 红队测试

研究人员开发了 JailbreakSkill，这是一个旨在增强 AI 模型自动化红队测试的框架。该系统将现有的攻击策略打包成模块化、可重用的技能，这些技能可以随着时间的推移而适应和发展。通过从攻击经验中学习，JailbreakSkill 可以改进、组合和发现新技能，显著提高在 AdvBench 和 HarmBench 等基准测试上的攻击成功率，包括对 GPT-5.4 取得了显著的提升。