UK AISI 公布 BPJ 自动化越狱方法

2026年10月7日，英国 AI 安全研究院（UK AISI）在其官方博客公开了 Boundary Point Jailbreaking（BPJ），一种在完全黑盒条件下自动生成通用越狱前缀的方法。据该院称，在少量问题上运行 BPJ 即可自动得到通用越狱。针对 Constitutional Classifiers，BPJ 将一组有害问题的平均得分从 0% 提升至 25.5%（50 次尝试中最高 39.9%），成本约 330 美元、66 万次查询；针对 GPT-5 的输入分类器，平均成功率为 75.6%（50 次中最高 94.3%），成本约 210 美元、80 万次查询。为降低扩散风险，该院表示已隐去部分算法细节，不发布攻击字符串或代码。上述数据与限制均出自 UK AISI 的说明，仅代表该来源的说法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。