**同训模型在越狱测试中表现迥异：预训练种子比数据更关键**

_Identically Trained Language Models Break on Different Jailbreaks_

> 研究通过对比 150 个模型（基于 25 种数据配方和不同预训练/后训练种子）发现，模型是否会被越狱主要取决于具体的预训练运行（种子），而非训练数据本身。不同预训练种子的模型在越狱成功率上的相关性仅为 0.811，远低于相同预训练运行的 0.984。此外，最佳攻击模板在不同预训练种子间的有效性大幅下降，且每个预训练运行都会留下独特的“指纹”，可通过少量提示词准确识别。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-11-06 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.34074)