揭开大语言模型的脆弱面：对抗攻击研究综述（二）

本文聚焦于已对齐单模态大语言模型（LLM）的两类主流对抗攻击 ——越狱攻击与提示注入攻击展开综述。在各章节中，我们先对攻击类型进行定义与概述，再从基本假设、方法差异、研究范畴及核心发现等维度，对现有攻击范式进行系统分类与梳理。