Transluce, RL로 investigator agent 훈련해 프런티어 모델 자동 탈옥…Llama-3.1 8B로 GPT-5와 Claude 공격 가능
원제목:Automatically Jailbreaking Frontier Language Models with Investigator Agents
AI 요약
Transluce는 강화학습으로 investigator agent를 훈련해 CBRN, 폭약, 금지 약물 관련 48개 고위험 과제를 겨냥한 자연어 탈옥 프롬프트를 생성했으며, Claude Sonnet 4, Grok 4, Gemini 2.5 Pro, GPT-5-main에 대한 pass@1 성공률이 각각 92%, 98%, 90%, 78%에 달했다.
핵심 정보
- Transluce는 강화학습으로 investigator agent를 훈련해 CBRN,금지 약물 관련 48개 고위험 과제를 겨냥한 자연어 탈옥 프롬프트를 생성했으며
- Claude Sonnet 4,Gemini 2.
- 5 Pro,GPT-5-main에 대한 pass@1 성공률이 각각 92%,98%,90%,78%에 달했다.
한눈에 보기
- 게시
- 업데이트
- 카테고리
- 논문 및 연구
- AI 점수
- 70
추천 이유
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。
관련 엔티티
출처 및 저작권
이 기사는 AIHOT 공개 API가 제공하는 선별 제목과 AI 요약을 바탕으로 하며, 출처를 밝히고 원문으로 연결합니다. 원문 저작권은 원 미디어와 저자에게 있으며, 본 사이트는 전문을 전재하지 않습니다.
인용 방법
본문을 인용할 때는 제목, 날짜, 영구 링크를 유지하고 출처를 Orange News(으)로 표기해 주세요.
Orange News: Transluce, RL로 investigator agent 훈련해 프런티어 모델 자동 탈옥…Llama-3.1 8B로 GPT-5와 Claude 공격 가능. 2025년 9월 3일. https://new.nat6.net/ko/news/cmtyo2tx503jorog01e4ibvpa/