Mohamed I University

MLCommons Jailbreak Benchmark v1.0 提出一套端到端方法，用 264 条覆盖十一个危害类别的种子提示和来自 MLCommons 越狱分类法的代表性攻击，对八个开放权重大语言模型进行配对基线与对抗评估，按 AILuminate 评估标准 v1.4 判定回复，并以韧性差距衡量鲁棒性；结果显示不安全回复率从基线 11.08% 升至越狱条件下的 18.65%，平均韧性差距 7.57%，可访问系统的平均差距更大，攻击有效性随攻击类别与危害类型差异明显。

MLCommons Jailbreak Benchmark v1.0 提出一套端到端方法，用 264 条覆盖十一个危害类别的种子提示和来自 MLCommons 越狱分类法的代表性攻击，对八个开放权重大语言模型进行配对基线与对抗评估，按 AILuminate 评估标准 v1.4 判定回复，并以韧性差距衡量鲁棒性；结果显示不安全回复率从基线 11.08% 升至越狱条件下的 18.65%，平均韧性差距 7.57%，可访问系统的平均差距更大，攻击有效性随攻击类别与危害类型差异明显。

该工作通过在约50万条来自ChEMBL数据库的分子数据上微调GPT-2模型，并与在同一数据集上训练的LSTM网络进行基准对比，生成新的EGFR抑制剂候选分子，对生成化合物进行有效性、独特性与新颖性评估，再经Lipinski五规则、合成可及性与类药性评分过滤，并对入选候选物针对EGFR（PDB ID: 1M17）开展分子对接以评估结合亲和力，结果显示GPT-2在生成结构多样分子方面表现突出，而LSTM生成的化学有效分子比例更高，许多候选物与EGFR表现出良好结合相互作用。

该工作通过在约50万条来自ChEMBL数据库的分子数据上微调GPT-2模型，并与在同一数据集上训练的LSTM网络进行基准对比，生成新的EGFR抑制剂候选分子，对生成化合物进行有效性、独特性与新颖性评估，再经Lipinski五规则、合成可及性与类药性评分过滤，并对入选候选物针对EGFR（PDB ID: 1M17）开展分子对接以评估结合亲和力，结果显示GPT-2在生成结构多样分子方面表现突出，而LSTM生成的化学有效分子比例更高，许多候选物与EGFR表现出良好结合相互作用。