大模型对抗样本对生成方法、装置、电子设备及存储介质

本申请实施例提供了一种大模型对抗样本对生成方法、装置、电子设备及存储介质，涉及多模态大模型对抗样本技术领域。该方法包括：将图像文本对循环输入目标大模型中，得到对应的隐藏状态，将隐藏状态输入概率预测模型，得到预测越狱概率，基于预测越狱概率，更新图像文本对，直至达到第一预定结束条件，结束更新，得到对抗样本对。本申请实施例通过隐藏状态的越狱概率更新图像文本对，从而生成对抗样本对，能够有效规避与大模型安全对齐的直接冲突，提高对抗样本对的生成效率。