Clarkson 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。

作者提出 Higher-Order-KANDy，用延迟与导数（jet）嵌入配合按导数阶排列的 KANDy 层堆叠，把延迟到 jet 的映射学成 Kolmogorov-Arnold 网络，从而在无候选库条件下原生处理高阶系统；在合成基准上，它能在粗采样与噪声下恢复方程，并在噪声升至 7.5% 时于每个随机种子都选出精确活跃项集，而 oracle 弱形式回归在该噪声水平会出现伪项，尽管 oracle 的系数估计更准确。

作者提出 Higher-Order-KANDy，用延迟与导数（jet）嵌入配合按导数阶排列的 KANDy 层堆叠，把延迟到 jet 的映射学成 Kolmogorov-Arnold 网络，从而在无候选库条件下原生处理高阶系统；在合成基准上，它能在粗采样与噪声下恢复方程，并在噪声升至 7.5% 时于每个随机种子都选出精确活跃项集，而 oracle 弱形式回归在该噪声水平会出现伪项，尽管 oracle 的系数估计更准确。