arXiv · cs.CL· Rohan Menon·· 8 天前AI 评分42
超越攻击成功率：评估迭代式 LLM 越狱的成本感知指标 ASR_STEP
Beyond Attack Success Rate: Cost-Aware Metric for Evaluating Iterative LLM Jailbreaks
来源与原文
arXiv · cs.CL
作者：Rohan Menon
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.26589v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 ASR_STEP 指标，在保留二元成功判断的同时，对越狱攻击中反复调用受害模型的开销进行惩罚。在 JailBreakBench 上对 GCG、PAIR 和单步 PAP 三个方法跨三个模型家族评测后发现：折算后 GCG 得分下降 7.0–8.7 个百分点，PAIR 下降 3.4–12 个百分点，PAP 不变。同时报告两项指标可让重复调用带来的折扣显性化。
来源：arXiv · cs.CL · arxiv.org