通俗解释
用梯度引导的贪心坐标搜索优化提示后缀，使模型以“当然，以下是…”开头作答。找到的后缀可迁移到闭源模型，揭示对齐的脆弱性。
用在哪里：模型安全评测与防御研究
01原始论文
Universal and Transferable Adversarial Attacks on Aligned Language Models
Andy Zou, Zifan Wang, Nicholas Carlini, et al. · 2023
arXiv ↗ ✓ 已核实 · arXiv API
02知识位置
左边先学；右边是学完它之后可以学的。
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-21。
- JSON: /api/learn/algorithms.json (id:
gcg-jailbreak)