微软发布 SEMA-Auto：自动多轮越狱攻击框架

微软研究团队提出 SEMA-Auto，一个能自主与受害模型多轮交互并在成功后自行终止的越狱攻击框架。该框架采用两阶段训练：先用合成引导轨迹微调建立攻击目标概念，再通过决策监督强化学习同时优化攻击成功率与每轮决策。在 AdvBench 上对 DeepSeek-V4-Flash 达到 76.0% 的 ASR@1，平均仅需 3.0 轮，而最好的静态基线为 54.8%、交互式基线为 43.8%。对 GPT-oss-120B、GPT-5.4、Claude-Haiku-4.5、GPT-6-Astra 等安全加固模型，在 HarmBench 上平均取得 59.6% ASR@1，超过此前 SOTA 13.8 个百分点。