Breaking the Assumptions: Auditing Input-Side Jailbreak Defenses Against Semantic Attacks
تدقق هذه الورقة في فعالية دفاعات كسر الحماية المختلفة من جانب المدخلات على النماذج اللغوية الكبيرة المنشورة محلياً، وذلك من خلال تتبع إخفاقاتها بشكل منهجي وصولاً إلى الافتراضات التصميمية المنتهكة عبر اختبار تجريبي مكثف شمل ستة نماذج مفتوحة الأوزان ومتنًا متنوعًا من مطالبات كسر الحماية.