新越狱法 BPJ 突破最强防御：仅用单比特信息黑盒攻击

StephenLCasper · x · 2026-08-13

一篇新论文介绍了边界点越狱（BPJ），这是一种全自动的黑盒越狱攻击，仅利用分类器是否标记交互的单比特信息，就能突破包括宪法分类器和 GPT-5 输入分类器在内的最强行业防御。该方法通过将目标有害字符串转化为中间攻击目标的课程，并主动选择边界点来评估攻击强度的微小变化，从而优化攻击。这是首个无需人工攻击种子即可成功攻击 GPT-5 输入分类器的自动化算法。