paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
SF

Shuangjie Fu

ACL 2026安全可解释性代码
新星分新星
53
一作贡献30
核心/参与0
方向广度6
合作网络6
1 一作 · 1 篇 · ACL 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

1
一作ACL 2026Findings· Findings of ACL

Steering Away from Refusal: A Black-box Jailbreak Method Based on First-Token Distribution

Shuangjie Fu · Du Su · Xin Chen · Fei Sun · Huawei Shen · Xueqi Cheng

摘要

Investigating black-box jailbreak attacks is crucial for revealing the actual security risks faced by operational Large Language Models (LLMs). The primary challenge in black-box jailbreak attack is the absence of direct optimization signals, such as gradients, to guide the refinement of adversar...

安全可解释性代码OpenReview 项目页

常见合作者