Це дослідження пропонує RL-MTJail, підхід навчання з підкріпленням для автоматизованого чорноящикового багатоходового "джейлбрейку" великих мовних моделей. Дослідження надає важливі висновки для підвищення безпеки великих мовних моделей та розробки надійних засобів захисту від ворожих атак і зловмисних підказок у практичних розгортаннях.