The Fragility of Jailbreak Robustness Across Operational States
Yonsei University · KIST · Korea University · Kyung Hee University · Findings of EMNLP 2026 · 2026 · 검증 완료 검증 완료복수의 신뢰 가능한 출처로 검증되었습니다.
공격은 그대로 둔 채 일반적인 시스템 프롬프트로 운용 상태만 바꿔도 7개 정렬 모델의 탈옥 성공률이 크게 달라짐을 보인다. 한 사례에서는 성공률이 2%에서 58%로 상승했으며, 이 변동이 거부 관련 은닉표현 축과 연관됨을 분석해 단일 기본 상태 평가의 한계를 제시한다.
- arXiv
- 2608.30748
- 원문
- https://arxiv.org/abs/2608.30748
관련 항목
출처 및 검증
- [paper] https://arxiv.org/abs/2608.30748
- [github] https://github.com/greenyunapark/jailbreak-fragility-across-states
마지막 검증일: 2026-09-01