概念
RL-Hammer
一种针对LLM提示注入的黑盒自适应攻击方法，通过强化学习搜索有效的注入策略，仅需查询模型输入输出。
时间轴 (近 90 天)
10月28日
在黑盒 RL-Hammer 攻击下，HoS 的攻击成功率（ASR）仅为 10%，而 GPT-OSS-20B 原始模型高达 97%，SecAlign 为 85%。
待验证50%
一种针对LLM提示注入的黑盒自适应攻击方法，通过强化学习搜索有效的注入策略，仅需查询模型输入输出。
在黑盒 RL-Hammer 攻击下，HoS 的攻击成功率（ASR）仅为 10%，而 GPT-OSS-20B 原始模型高达 97%，SecAlign 为 85%。