LogiBreak 攻击流程动画：把有害请求翻译成一阶逻辑表达式（语义不变、token 形态变化），逻辑式落在安全对齐数据分布之外，从而绕过模型的拒绝训练；拼成越狱提示查询目标，再由判官判定是否越狱，按 ASR@N 统计。

LogiBreak 攻击流程动画

Logic Jailbreak（Peng et al., ACL 2026）· 把有害请求翻成一阶逻辑(FOL) 绕过安全对齐

翻译器 · NL→FOL 目标 · 被攻击 判官 · Qwen3Guard-4B
当前尝试
1 / 5
查询目标次数
0
是否越狱
否
① 翻译 · NL→FOL ② 拼装越狱提示 ③ 查询目标 ④ 判官判定
1 / 9