ThinkTrap

该研究在两种攻击设定下评估了dLLM映射方法：基于采样的RareTrap和基于优化的ThinkTrap。

在基于优化的ThinkTrap中，使用dLLM映射后字符级困惑度从20–28降至4.3–5.4。

RareTrap基于采样：在连续隐空间中随机采样隐变量并解码为提示，寻找能触发过度思考等异常行为的样本；ThinkTrap基于优化：用梯度估计或进化策略优化隐变量使模型产生高风险内部推理。