SEMA-Auto

新的SEMA-Auto系统在大型语言模型上实现了最先进的越狱

研究人员开发了SEMA-Auto，一个旨在绕过大型语言模型安全措施的新型自主系统。与预先规划攻击或需要昂贵交互式评估的先前方法不同，SEMA-Auto可以独立评估其成功并终止会话。该系统采用两阶段训练过程，包括合成引导调优和决策监督强化学习，以提高其有效性和效率。SEMA-Auto在包括GPT-oss-120B和Claude-Haiku-4.5等前沿模型在内的各种数据集和模型上，展示了最先进的攻击成功率，优于现有的静态和交互式基线。