Transluce entraîne par RL un agent investigateur qui jailbreak automatiquement les modèles de pointe ; Llama-3.1 8B suffit à attaquer GPT-5 et Claude
Titre original:Automatically Jailbreaking Frontier Language Models with Investigator Agents
Résumé IA
Transluce entraîne par apprentissage par renforcement un agent investigateur générant des prompts de jailbreak en langage naturel pour 48 tâches à haut risque liées aux menaces CBRN, aux explosifs et aux drogues illicites ; les taux de réussite pass@1 atteignent 92 %, 98 %, 90 % et 78 % contre Claude Sonnet 4, Grok 4, Gemini 2.5 Pro et GPT-5-main.
Points clés
- Transluce entraîne par apprentissage par renforcement un agent investigateur générant des prompts…
- les taux de réussite pass@1 atteignent 92 %,98 %,90 % et 78 % contre Claude Sonnet 4,Grok 4,Gemini…
- 5 Pro et GPT-5-main.
En bref
- Publié
- Mis à jour
- Source
- Transluce(网页)
- Catégorie
- Articles et recherche
- Score IA
- 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。
Entités associées
Source et droits
Cet article s'appuie sur des titres sélectionnés et des résumés IA issus de l'API publique AIHOT, avec attribution et liens de retour. Les droits sur l'original restent ceux des médias et auteurs d'origine ; ce site ne reproduit pas les textes intégraux.
Comment citer
Pour citer cet article, conservez le titre, la date et le lien permanent, et indiquez Orange News comme source.
Orange News : Transluce entraîne par RL un agent investigateur qui jailbreak automatiquement les modèles de pointe ; Llama-3.1 8B suffit à attaquer GPT-5 et Claude. 3. septembre 2025. https://new.nat6.net/fr/news/cmtyo2tx503jorog01e4ibvpa/