تتناول هذه البحث نقاط الضعف في نماذج اللغة الكبيرة (LLMs) تجاه “الاختراق”، حيث يستغل المهاجمون هذه النماذج لاستنباط سلوكيات غير مقصودة. تركز الطرق الحالية بشكل أساسي على التلاعبات المنفصلة في التعليمات لنماذج LLM المغلقة المصدر، ولكن مع زيادة قدرة نماذج LLM مفتوحة المصدر، تزداد إمكانياتها للاستغلال بسبب توفر معلمات النموذج ومعلومات التدرج. لمواجهة هذه المشكلة،…