论文GRP Obliteration / Unaligning LLMs with a Single Unlabeled Prompt
GRP-Obliteration
一种大模型安全对齐移除技术，声称仅需单个未标注提示词即可解除开源LLM的安全对齐，属于白盒攻击范畴，结合强化学习优化范式（GRP）与激活方向消融思路
时间轴 (近 90 天)
9月15日
GRP-Obliteration 是一项声称用单个未标注提示词即可解除大语言模型安全对齐的技术
待验证50%
9月15日
GRP-Obliteration 属于白盒攻击范畴，针对已公开权重的开源模型
待验证50%
9月15日
该 GRP-Obliteration 的 Hacker News 帖子仅有 3 个点赞、0 条评论
已过期70%
9月15日
GRP-Obliteration 的具体实现细节、适用模型范围和量化效果指标尚未经过同行评审或独立复现
待验证50%