
بحثي كود لقياس معدلات نجاح هجمات كسر الحماية (ASR وstepwise ASR) ضد النماذج اللغوية الكبيرة (LLMs)، مع تطبيقات لهجمات مثل GCG ونصوص التقييم.
شيفرة الورقة البحثية: http://arxiv.org/abs/2610.26589 المقدَّمة إلى NAACL'27.
uv sync لتثبيت التبعيات في البيئة الافتراضيةsource .venv/bin/activate لتفعيلهاuv pip list للتحقق من المكتبات المثبَّتة. اتبع إرشادات استكشاف أخطاء uv إذا كانت القائمة فارغة.أنت الآن جاهز لتشغيل السكربتات!
سكربت التقييم:
jailbreak.py- لحساب درجات ASR الأساسية والتدريجية
uv run attacks/GCG/main.py
حساب ASR وASR_Step (الافتراضي: Vicuna): uv run scripts/jailbreak.py
يُحدَّد ARGS في كل سكربت.