买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉哈尔滨工业大学申请的专利奖励引导的自动越狱提示生成方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118551797B 。

龙图腾网通过国家知识产权局官网在2025-10-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410564150.9，技术领域涉及：G06N3/006；该发明授权奖励引导的自动越狱提示生成方法是由张伟男;刘润泽;刘元兴;刘挺设计研发完成，并于2024-05-08向国家知识产权局提交的专利申请。

本奖励引导的自动越狱提示生成方法在说明书摘要公布了：本发明提出奖励引导的自动越狱提示生成方法。该方法包括步骤1：初始化种子池，采集互联网上流传的越狱提示作为初始种子；步骤2：演化得到新提示，所述步骤2包含种子提示选择和演化两个环节；选择分数最高的种子，通过演化方法基于选中种子得到新的越狱提示；步骤3：评估新提示攻击效果。所述方法采用搜索的方式进行攻击充分利用了已有的越狱提示，具备攻击成功率高、效率高的优点，此外本发明引入奖励模型作为指导信号、提示融合作为演化方法进一步提高了算法的性能。

本发明授权奖励引导的自动越狱提示生成方法在权利要求书中公布了：1.奖励引导的自动越狱提示生成方法，其特征在于，所述方法包括以下步骤： 步骤1：初始化种子池 采集互联网上流传的越狱提示作为初始种子； 步骤2：演化得到新提示 所述步骤2包含种子提示选择和演化两个环节；选择分数最高的种子，通过演化方法基于选中种子得到新的越狱提示； 步骤3：评估新提示攻击效果 所述步骤3包含回复生成和效果评估两个环节；将新生成的越狱提示和原始请求拼接得到越狱请求，调用目标模型生成针对越狱请求的回复；首先判断该回复是否成功越狱，如果成功则退出；如果没有成功越狱则进一步评估回复的攻击效果，得到一个连续的分数，如果该分数超过阈值，则将新提示加入种子池； 重复步骤2和步骤3直到成功越狱或者达到最大搜索轮次； 所述评估包括越狱成功评价和提示质量评价； 越狱成功评价判断回复是否越狱，是二分类的评价；提示质量评价根据越狱提示和回复对越狱攻击的效果打分，分数越高表示本次攻击越接近成功攻击； 越狱成功评价的模型通过微调预训练的Bert模型得到；训练数据为数千条标注了是否成功越狱的文本； 提示质量评价通过奖励模型实现；奖励模型是在基于人类反馈的强化学习过程中用于建模人类偏好的模型；通过在标注了偏序关系的请求-回复数据对上训练，奖励模型能够对好的回复赋予更高的分数；利用现有开源的数据集，训练通用的奖励模型，该奖励模型能够在越狱攻击中，对更加遵从越狱提示、内容更加有害的回复赋予更低的分数；对奖励模型的得分R进行取反作为最终的提示质量评分Score； ； 所述演化需要两个提示作为种子，首先将两个种子拼接得到新提示的雏形，使用复述模型生成新提示雏形的同义表达，将多个越狱提示拼接成能够组合不同越狱提示的攻击策略。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。