Controlled Decoding Attacks on Black-Box LLMs

我们引入 extbf{方法}{}，一种通过文本仅延续接口实现脱壳的框架，允许重复采样和助手前缀延续。样本基于分布重建结合了采样输出与对未观察动作的先验分布，以获得可用的控制信号。风险门残差控制利用不断演变的响应前缀决定何时重建和修改分布，将采样成本集中在选定位置。