🧠 Llama-3B-Jailbreak

本仓库包含一个基于 unsloth/Llama-3.2-3B-Instruct 的微调版本，使用 LoRA（低秩适配） 技术，在自定义的越狱数据集上进行训练。目标是用于实验性研究，特别是理解大语言模型的安全性和对齐行为。

模型已上传至 Hugging Face

本仓库基于unsloth/Llama-3.2-3B-Instruct 进行微调，Hugging Face上的越狱模型的基座为Qwen/Qwen2.5-3B-Instruct，并不完全一致。

🔍 模型概览

属性	说明
基座模型	unsloth/Llama-3.2-3B-Instruct
微调方法	Unsloth（LoRA）微调
数据集	自建越狱数据集
目的	好好玩呀 AI安全与越狱行为研究

📚 数据集说明

本模型使用开发者自行构建的“越狱”对话数据集进行训练。数据集构造流程：

1. 初始种子数据筛选
   从已有的开源越狱实验中收集并筛选出危险问答对，作为初始的“越狱成功”样本集合。这些样本构成微调的第一阶段种子数据。

2. 初步微调
   利用上述种子数据对LLaMA进行微调，使其具备一定的绕过安全机制的能力。此阶段的目标是获得一个具备初步越狱响应能力的“攻击模型”。

3. 主动采样与扩展
   使用当前版本的攻击模型对大规模潜在危险prompt数据集进行推理，从中筛选出模型成功输出违规内容的响应结果，形成新的越狱问答对。

4. 迭代增强训练
   将新生成的越狱样本加入训练数据集，进一步微调模型。随着每一轮迭代，模型的越狱能力不断增强，同时能够生成更多新颖、复杂、具有挑战性的越狱响应。

5. 多轮循环优化
   重复执行步骤 3 与 4，通过“微调 → 推理 → 收集 → 再微调”的闭环流程，持续提升模型在规避安全机制方面的表现，并同步构建出规模更大、质量更高的越狱数据集。

6. 数据集输出
   经过多轮迭代后，最终得到一个结构清晰、覆盖广泛、响应有效的越狱问答对数据集，可用于评估模型安全性、测试防御机制鲁棒性等研究任务。

⚠️ 注意：此数据集仅供学术研究使用，请确保合理合规地使用该数据！ ⚠️ 危险答案数据集，本仓库也许是全网首发。危险问题很好找，危险答案很罕见，且用且珍惜。

📌 注意事项与伦理声明

• 本模型可能生成有害、违法或不道德的内容，因其训练目标是为了探索边界行为。
• 请仅用于学术研究，不要用于生产系统。
• 在任何公开场景中使用前，请务必添加伦理防护措施。
• 未经授权不得随意发布或部署。

📬 链接

📺 视频教程：BV1zSJgztEKG

🤗 Hugging Face：qwen2.5-jailbreak

📧 E-mail: zemel@stu.sicnu.edu.cn

🐱 GitHub: https://github.com/zemelee

🤖 线上体验：sugarblack

😚 微信公众号： 做实验的研究牲

---

⚖️ 免责声明

本模型仅供研究用途。作者不鼓励也不支持任何技术滥用行为。

---

✅ 本仓库由 Zemelee 创建并维护。感谢您的关注与支持！