TRACE

TRACE：任务感知的自适应自进化智能体越狱 概述 基于方案的任务分解。 为降低攻击难度，我们开发了约 20 种程序化分解方案，将复杂的有害任务分解为相对无害且简单的子任务序列。我们通过两个维度衡量这些候选序列，即有害性和难度，并选择最优序列来实例化攻击。 面向执行的多轮交互。 对于触发执行拒绝的子任务，TRACE 构建子任务画像，并从持续进化的策略库中检索合适的面向执行的多轮交互策略。TRACE 利用所选策略实例化子任务，并通过多轮交互逐步构建合理的执行上下文，诱导目标智能体完成该子任务。 自适应恢复与策略进化。 当中间步骤失败时，TRACE...