提出Claudini自动研究框架,利用Claude Code代理迭代设计白盒对抗攻击算法,在LLM越狱和提示注入任务中显著超越现有30+方法,展现出强泛化性和跨模型迁移能力。
机构:Imperial College London
来源:arXiv 2603.24511 | AI4Papers 论文推荐平台