arXiv论文提出对抗注入攻击放大理论 事件

arXiv论文(2603.11331v3)提出对抗性注入攻击可将安全对齐的大语言模型攻击成功率从多项式增长放大为指数增长，并基于自旋玻璃系统复本对称破缺建立了生成模型来解释该现象。