arXiv cs.CL· Adel Khorramrouz, Yi-Chia Wang, Sharon Levy·· 4 小时前AI 评分51
Moral Combat：利用道德基础理论越狱 LLM 的多智能体框架
Moral Combat: Exploiting Moral Foundations Theory to Jailbreak LLMs
AI 导读
研究者提出基于道德基础理论（MFT）的多智能体框架 Moral Combat，可把被拒绝的有害请求改写成道德上正当的表述，从而绕过 LLM 安全护栏。该框架会先判断提示违反了哪项道德基础，再找出能让同一请求显得正当的基础并据此改写，同时用生成的可比道德重构先例加以强化。
来源：arXiv cs.CL · arxiv.org