Transluce trainiert Investigator-Agent mit RL zum automatischen Jailbreak von Frontier-Modellen; Llama-3.1 8B greift GPT-5 und Claude an
Originaltitel:Automatically Jailbreaking Frontier Language Models with Investigator Agents
KI-Zusammenfassung
Transluce trainierte per Reinforcement Learning einen Investigator-Agent, der für 48 hochriskante Aufgaben aus den Bereichen CBRN, Sprengstoffe und verbotene Drogen natürlichsprachliche Jailbreak-Prompts erzeugt; die pass@1-Erfolgsraten gegen Claude Sonnet 4, Grok 4, Gemini 2.5 Pro und GPT-5-main lagen bei 92 %, 98 %, 90 % bzw. 78 %.
Kernpunkte
- Transluce trainierte per Reinforcement Learning einen Investigator-Agent,der für 48 hochriskante…
- die pass@1-Erfolgsraten gegen Claude Sonnet 4,Grok 4,Gemini 2.
- 5 Pro und GPT-5-main lagen bei 92 %,98 %,90 % bzw.
Auf einen Blick
- Veröffentlicht
- Aktualisiert
- Quelle
- Transluce(网页)
- Kategorie
- Papers & Forschung
- KI-Bewertung
- 70
原文给出完整的 RL 训练方法和跨模型迁移数据,并开源代码与提示词,读者可评估低成本自动红队的可行性。
Verwandte Entitäten
Quelle & Urheberrecht
Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.
Zitierhinweis
Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.
Orange News: Transluce trainiert Investigator-Agent mit RL zum automatischen Jailbreak von Frontier-Modellen; Llama-3.1 8B greift GPT-5 und Claude an. 3. September 2025. https://new.nat6.net/de/news/cmtyo2tx503jorog01e4ibvpa/