Ali Al-Lawati, Elsayed Eshra, Dongwon Lee, Suhang Wang · 2026 · arXiv
DOI: 10.48550/arXiv.2610.31558 · open-access PDF
\emph{Continuous-space} ataques encontram prompts que desencadeiam comportamentos maliciosos, como overthinking, em LLMs de caixa preta por amostragem ou otimização sobre um espaço latente Gaussian de baixa dimensão e decodificação para texto através de um \emph{random mapping} e pesquisa de token mais próximo. Porque o mapping aleatório não é aprendido a partir da linguagem, seus prompts podem ser altamente anormais, e como tal facilmente detectável entrada através de guardrails, e as estimativas de risco que eles produzem não são fundamentadas em prompts naturais.
Machine translation (Meta M2M100); the English original follows.
\emph{Continuous-space} attacks find prompts that trigger malicious behaviors, such as overthinking, in black-box LLMs by sampling or optimizing over a low-dimensional Gaussian latent space and decoding it to text through a \emph{random mapping} and nearest-token lookup. Because the random mapping is not learned from language, its prompts can be highly unnatural, and as such easily detectable through input guardrails, and the risk estimates they yield are not grounded in natural prompts. In this paper, we demonstrate that the same continuous latent-space framework can be coupled directly to a
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.31558, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange