攻陷大模型
通过替换语义指示词，生成兼具语义保持与扰动的对抗样本，成功攻击当前主流大模型。
Chenqi, Hua · Xiaojian, Liu · Zhu, Yi · Chaowei, Zhang · Yun, Li · 袁运浩 · 强继朋
Engineering Applications of Artificial Intelligence 2026
只替换语义指示关键词，并用反义词排序适应上下文，确保原文意思不变。
显式加入语义扰动约束，避免生成无效对抗样本。
生成的对抗样本几乎不影响人类理解，可以放心用于测试。
用 SubAttack 生成的样本做对抗训练，让受害者模型更鲁棒。