**针对黑盒LLM的受控解码攻击框架**

_Controlled Decoding Attacks on Black-Box LLMs_

> 该论文提出一种基于文本接口的越狱攻击框架,通过样本分布重构与风险门控残差控制,在无需访问模型权重或概率的情况下,利用有限采样高效操纵生成过程,成功绕过大型语言模型的安全对齐。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-02 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2609.36956)