Off-Distribution Voices: Fanfiction Subgenres as Universal Vernacular Jailbreaks for Aligned LLMs

En 3 lignesChercheurs découvrent une famille de jailbreaks utilisant des sous-genres de fanfiction (Archive of Our Own) comme vecteurs d'attaque universels contre 8 LLMs alignés. Sans LLM attaquant ni adaptation par cible, la méthode élève le taux de succès moyen de 0.278 à 0.731 (ASR). L'extension SAGA-A4 atteint 0.924 ASR sur quatre tours.

Résumé généré par Claude — vérifié par l'humain