Adversarial versification in portuguese as a jailbreak operator in LLMs
Fuente:
arXiv
Enregistré dans:
| Auteur principal: | Queiroz, Joao |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
M2S: Multi-turn to Single-turn jailbreak in Red Teaming for LLMs
par: Ha, Junwoo, et autres
Publié: (2025)
par: Ha, Junwoo, et autres
Publié: (2025)
Multilingual jailbreaking of LLMs using low-resource languages
par: Marx, Dylan, et autres
Publié: (2026)
par: Marx, Dylan, et autres
Publié: (2026)
Multi-round jailbreak attack on large language models
par: Zhou, Yihua, et autres
Publié: (2024)
par: Zhou, Yihua, et autres
Publié: (2024)
Reasoning Robustness of LLMs to Adversarial Typographical Errors
par: Gan, Esther, et autres
Publié: (2024)
par: Gan, Esther, et autres
Publié: (2024)
Are You Human? An Adversarial Benchmark to Expose LLMs
par: Gressel, Gilad, et autres
Publié: (2024)
par: Gressel, Gilad, et autres
Publié: (2024)
Improving Fairness in LLMs Through Testing-Time Adversaries
par: Gregio, Isabela Pereira, et autres
Publié: (2025)
par: Gregio, Isabela Pereira, et autres
Publié: (2025)
Generative Adversarial Reviews: When LLMs Become the Critic
par: Bougie, Nicolas, et autres
Publié: (2024)
par: Bougie, Nicolas, et autres
Publié: (2024)
Advancing NLP Security by Leveraging LLMs as Adversarial Engines
par: Srinivasan, Sudarshan, et autres
Publié: (2024)
par: Srinivasan, Sudarshan, et autres
Publié: (2024)
Evaluation empirique de la sécurisation et de l'alignement de ChatGPT et Gemini: analyse comparative des vulnérabilités par expérimentations de jailbreaks
par: Nouailles, Rafaël
Publié: (2025)
par: Nouailles, Rafaël
Publié: (2025)
Mechanistic Steering of LLMs Reveals Layer-wise Feature Vulnerabilities in Adversarial Settings
par: Das, Nilanjana, et autres
Publié: (2026)
par: Das, Nilanjana, et autres
Publié: (2026)
TeamCMU at Touché: Adversarial Co-Evolution for Advertisement Integration and Detection in Conversational Search
par: Kim, To Eun, et autres
Publié: (2025)
par: Kim, To Eun, et autres
Publié: (2025)
TuCo: Measuring the Contribution of Fine-Tuning to Individual Responses of LLMs
par: Nuti, Felipe, et autres
Publié: (2025)
par: Nuti, Felipe, et autres
Publié: (2025)
Structured Thinking Matters: Improving LLMs Generalization in Causal Inference Tasks
par: Sun, Wentao, et autres
Publié: (2025)
par: Sun, Wentao, et autres
Publié: (2025)
Adversarial Tuning: Defending Against Jailbreak Attacks for LLMs
par: Liu, Fan, et autres
Publié: (2024)
par: Liu, Fan, et autres
Publié: (2024)
Agentic Adversarial QA for Improving Domain-Specific LLMs
par: Grari, Vincent, et autres
Publié: (2026)
par: Grari, Vincent, et autres
Publié: (2026)
Adapting LLMs for the Medical Domain in Portuguese: A Study on Fine-Tuning and Model Evaluation
par: Paiola, Pedro Henrique, et autres
Publié: (2024)
par: Paiola, Pedro Henrique, et autres
Publié: (2024)
Fast Adversarial Training against Textual Adversarial Attacks
par: Yang, Yichen, et autres
Publié: (2024)
par: Yang, Yichen, et autres
Publié: (2024)
The TIP of the Iceberg: Revealing a Hidden Class of Task-in-Prompt Adversarial Attacks on LLMs
par: Berezin, Sergey, et autres
Publié: (2025)
par: Berezin, Sergey, et autres
Publié: (2025)
Latent Adversarial Training Improves Robustness to Persistent Harmful Behaviors in LLMs
par: Sheshadri, Abhay, et autres
Publié: (2024)
par: Sheshadri, Abhay, et autres
Publié: (2024)
Tower+: Bridging Generality and Translation Specialization in Multilingual LLMs
par: Rei, Ricardo, et autres
Publié: (2025)
par: Rei, Ricardo, et autres
Publié: (2025)
Knowledge-Augmented Reasoning for EUAIA Compliance and Adversarial Robustness of LLMs
par: Momcilovic, Tomas Bueno, et autres
Publié: (2024)
par: Momcilovic, Tomas Bueno, et autres
Publié: (2024)
Mitigating Adversarial Attacks in LLMs through Defensive Suffix Generation
par: Kim, Minkyoung, et autres
Publié: (2024)
par: Kim, Minkyoung, et autres
Publié: (2024)
Injecting Falsehoods: Adversarial Man-in-the-Middle Attacks Undermining Factual Recall in LLMs
par: Fastowski, Alina, et autres
Publié: (2025)
par: Fastowski, Alina, et autres
Publié: (2025)
LLM-Based Adversarial Persuasion Attacks on Fact-Checking Systems
par: Leite, João A., et autres
Publié: (2026)
par: Leite, João A., et autres
Publié: (2026)
What About the Scene with the Hitler Reference? HAUNT: A Framework to Probe LLMs' Self-consistency Via Adversarial Nudge
par: Dutta, Arka, et autres
Publié: (2025)
par: Dutta, Arka, et autres
Publié: (2025)
Adversarial Math Word Problem Generation
par: Xie, Roy, et autres
Publié: (2024)
par: Xie, Roy, et autres
Publié: (2024)
AdvPrompter: Fast Adaptive Adversarial Prompting for LLMs
par: Paulus, Anselm, et autres
Publié: (2024)
par: Paulus, Anselm, et autres
Publié: (2024)
RepLiQA: A Question-Answering Dataset for Benchmarking LLMs on Unseen Reference Content
par: Monteiro, Joao, et autres
Publié: (2024)
par: Monteiro, Joao, et autres
Publié: (2024)
STACK: Adversarial Attacks on LLM Safeguard Pipelines
par: McKenzie, Ian R., et autres
Publié: (2025)
par: McKenzie, Ian R., et autres
Publié: (2025)
The Consensus Trap: Rescuing Multi-Agent LLMs from Adversarial Majorities via Token-Level Collaboration
par: Liu, Jiayuan, et autres
Publié: (2026)
par: Liu, Jiayuan, et autres
Publié: (2026)
Combating Adversarial Attacks with Multi-Agent Debate
par: Chern, Steffi, et autres
Publié: (2024)
par: Chern, Steffi, et autres
Publié: (2024)
Adversarial Negotiation Dynamics in Generative Language Models
par: Kolbeinsson, Arinbjörn, et autres
Publié: (2024)
par: Kolbeinsson, Arinbjörn, et autres
Publié: (2024)
Faithfulness and the Notion of Adversarial Sensitivity in NLP Explanations
par: Manna, Supriya, et autres
Publié: (2024)
par: Manna, Supriya, et autres
Publié: (2024)
Adversarial Attacks and Defense for Conversation Entailment Task
par: Yang, Zhenning, et autres
Publié: (2024)
par: Yang, Zhenning, et autres
Publié: (2024)
Defensive Dual Masking for Robust Adversarial Defense
par: Yang, Wangli, et autres
Publié: (2024)
par: Yang, Wangli, et autres
Publié: (2024)
Leveraging LLMs for On-the-Fly Instruction Guided Image Editing
par: Santos, Rodrigo, et autres
Publié: (2024)
par: Santos, Rodrigo, et autres
Publié: (2024)
Style Attack Disguise: When Fonts Become a Camouflage for Adversarial Intent
par: Zhang, Yangshijie, et autres
Publié: (2025)
par: Zhang, Yangshijie, et autres
Publié: (2025)
Fighting Fire with Fire: Adversarial Prompting to Generate a Misinformation Detection Dataset
par: Satapara, Shrey, et autres
Publié: (2024)
par: Satapara, Shrey, et autres
Publié: (2024)
Continuous Adversarial Text Representation Learning for Affective Recognition
par: Son, Seungah, et autres
Publié: (2025)
par: Son, Seungah, et autres
Publié: (2025)
Real-time Factuality Assessment from Adversarial Feedback
par: Chen, Sanxing, et autres
Publié: (2024)
par: Chen, Sanxing, et autres
Publié: (2024)
Documents similaires
-
M2S: Multi-turn to Single-turn jailbreak in Red Teaming for LLMs
par: Ha, Junwoo, et autres
Publié: (2025) -
Multilingual jailbreaking of LLMs using low-resource languages
par: Marx, Dylan, et autres
Publié: (2026) -
Multi-round jailbreak attack on large language models
par: Zhou, Yihua, et autres
Publié: (2024) -
Reasoning Robustness of LLMs to Adversarial Typographical Errors
par: Gan, Esther, et autres
Publié: (2024) -
Are You Human? An Adversarial Benchmark to Expose LLMs
par: Gressel, Gilad, et autres
Publié: (2024)