#Jailbreaking

8개의 포스트

[논문리뷰] Exposing the Systematic Vulnerability of Open-Weight Models to Prefill Attacks

arXiv에 게시된 'Exposing the Systematic Vulnerability of Open-Weight Models to Prefill Attacks' 논문에 대한 자세한 리뷰입니다.

2026년 2월 17일

[논문리뷰] FinVault: Benchmarking Financial Agent Safety in Execution-Grounded Environments

arXiv에 게시된 'FinVault: Benchmarking Financial Agent Safety in Execution-Grounded Environments' 논문에 대한 자세한 리뷰입니다.

2026년 1월 22일

[논문리뷰] Multi-Faceted Attack: Exposing Cross-Model Vulnerabilities in Defense-Equipped Vision-Language Models

arXiv에 게시된 'Multi-Faceted Attack: Exposing Cross-Model Vulnerabilities in Defense-Equipped Vision-Language Models' 논문에 대한 자세한 리뷰입니다.

2025년 11월 24일

[논문리뷰] Jailbreaking in the Haystack

Alexander Robey이 arXiv에 게시한 'Jailbreaking in the Haystack' 논문에 대한 자세한 리뷰입니다.

2025년 11월 10일

[논문리뷰] Investigating Safety Vulnerabilities of Large Audio-Language Models Under Speaker Emotional Variations

arXiv에 게시된 'Investigating Safety Vulnerabilities of Large Audio-Language Models Under Speaker Emotional Variations' 논문에 대한 자세한 리뷰입니다.

2025년 10월 24일

[논문리뷰] Agentic Reinforcement Learning for Search is Unsafe

arXiv에 게시된 'Agentic Reinforcement Learning for Search is Unsafe' 논문에 대한 자세한 리뷰입니다.

2025년 10월 21일

[논문리뷰] Adaptive Attacks on Trusted Monitors Subvert AI Control Protocols

Maksym Andriushchenko이 arXiv에 게시한 'Adaptive Attacks on Trusted Monitors Subvert AI Control Protocols' 논문에 대한 자세한 리뷰입니다.

2025년 10월 13일

[논문리뷰] Imperceptible Jailbreaking against Large Language Models

arXiv에 게시된 'Imperceptible Jailbreaking against Large Language Models' 논문에 대한 자세한 리뷰입니다.

2025년 10월 7일