Open-source

CC-BOS — исследование устойчивости LLM к классическому китайскому языку

Обзор по документации проекта · Проверено

CC-BOS — изображение проекта

CC-BOS — фреймворк для автоматической генерации состязательных запросов на классическом китайском языке. Он предназначен для исследования уязвимостей больших языковых моделей (LLM) к атакам типа «jailbreak» в условиях чёрного ящика.

Возможности и состав проекта

Исследование рассматривает зависимость устойчивости моделей от языка запроса и автоматический поиск состязательных формулировок. В проекте также есть перевод с классического китайского на английский для чтения и оценки экспериментальных материалов.

Начало работы и требования

Репозиторий содержит исследовательский код на Python 3.8+ для работы с моделью через API. Работа принята на ICLR 2026. Описанные результаты относятся к экспериментам авторов и не являются универсальной оценкой защищённости всех языковых моделей.

Ограничения и выбор сценария

Результаты относятся к конкретным моделям, настройкам и оценкам исследовательской работы. Они не доказывают уязвимость каждой текущей версии или надёжность защит при другом языке. Для воспроизведения нужен разрешённый испытательный контур и контроль модельных затрат; не следует направлять состязательные запросы в чужие системы без согласования. Перевод экспериментального текста также может менять смысл. Обзор описывает исследование и его ограничения, не предоставляя рецептов обхода защит.

Лицензия и условия использования

GitHub не определяет однозначную стандартную лицензию этого репозитория. Условия использования нужно проверить в README, LICENSE и документации авторов; доступность файлов на GitHub сама по себе не разрешает любое распространение или коммерческое использование.

Источники и документация