보편적 적대적 트리거

제공해주신 소스 문서(raw/Adversarial Attacks on LLMs.md)를 바탕으로 보편적 적대적 트리거(Universal Adversarial Triggers) 개념에 관한 한국어 위키 노트를 작성 완료했습니다.

생성된 노트 파일: /Users/railscraft/.gemini/antigravity-cli/scratch/llm-wiki/wiki/보편적 적대적 트리거.md

작업 요약

1. 규정 프론트매터 적용: type: concept, status: draft, sources: ['raw/Adversarial Attacks on LLMs.md'], 지정된 날짜 스키마 준수.
2. 수학적 공식 및 검증된 수치/지표 수록: 1차 테일러 전개 기반 기울기 근사 최적화 수식 및 모델별 퍼플렉서티(GPT-2 기준 UAT $\sim 10^7$, UAT-LM $\sim 10^4$, UTSC-1 $\sim 160$) 및 소스 경로 명시.
3. 구체적 예시 구현: GCG(Greedy Coordinate Gradient) 기반 적대적 접미사를 활용한 탈옥 우회 프롬프트 시나리오 및 PyTorch 기반 1차 테일러 전개 기울기 검색 코드 예제 수록.
4. 위키 연동 및 충돌 요약: 옵시디언 위키링크([[적대적 공격]], [[탈옥 프롬프트]] 등) 연동 및 ‘공격 성공률/전이성 vs 퍼플렉서티 기반 감지 가능성’ 간의 트레이드오프 분석을 수록.