一种基于重复输出的大模型海绵样本黑盒生成方法

本发明涉及大语言模型安全领域，提供了一种基于重复输出的大模型海绵样本黑盒生成方法。旨在解决现有技术中海绵样本效果不佳、迁移性差及生成效率低下的问题。该方法通过构造具有循环结构的初始化样本，并设计专门诱导重复输出行为的损失函数，结合集成学习策略，在白盒环境中优化生成高迁移性海绵样本。该样本在黑盒目标模型中可有效诱导持续重复输出，显著增加资源消耗和响应延迟。本发明无需依赖目标模型内部信息，在黑盒场景下实现高效攻击，提升海绵样本的跨模型迁移能力和实际应用效果。