复现 SMT 越狱：伪造审核轨迹的多轮攻击，一轮就穿
研究来源本文的起点是 Liu et al. 的论文 Beyond the Prompt: Jailbreaking Function-Calling LLMs via Simulated Moderation Traces（arXiv 2607.00481）。SMT 即 Simulated Moderation Traces，模拟审核轨迹：针对带工具调用能力的商用大模型的多轮越狱手法。本文使用的基线 harness 来自论文配套的实现仓库。 ...