List your company

Jailbreak Robustness on StrongReject (Detailed Attack Metrics)

67Direct Attack RateNo Defense
-2.6815.4133.551.59Oct 24, 2025

Evaluation results

MethodLinks
No DefenseModel Family=Zephyr-7B2025.1067865560806780—56437667—
No DefenseModel Family=Mistral-7B2025.1028794453396073—59176351—
CATModel Family=Mistral-7B2025.102057363229067—6586338—
WildJailbreakModel Family=Mistral-7B2025.106411622201511—2775522—
WildJailbreakModel Family=Zephyr-7B2025.1034119571527—44254623—
No DefenseModel Family=Llama3.1-8B2025.1027131975743—66157738—
WildJailbreakModel Family=Llama3.1-8B2025.10235151471719—25163719—
LATModel Family=Mistral-7B2025.102461963041—226819—
Refusal TrainingModel Family=Llama3.1-8B2025.100308301728—2243415—
PAP TrainedModel Family=Llama3.1-8B2025.100260532923—237112—
CATModel Family=Llama3.1-8B2025.100501645137—2756220—
CAT*Model Family=Llama3.1-8B2025.10021700041—1444313—
LATModel Family=Llama3.1-8B2025.10039700038—4903717—
LAT*Model Family=Llama3.1-8B2025.10024200020—110137—
ASCoT (closed)Model Family=Llama3.1-8B2025.10011200107—9685—
ASCoT (open)Model Family=Llama3.1-8B2025.100113011210—121287—
Refusal TrainingModel Family=Zephyr-7B2025.1006019722457—3594326—
PAP TrainedModel Family=Zephyr-7B2025.10058012122465—3224123—
CATModel Family=Zephyr-7B2025.10014130003—607111—
CAT*Model Family=Zephyr-7B2025.100351000513—279010—
LATModel Family=Zephyr-7B2025.100341700016—1124212—
LAT*Model Family=Zephyr-7B2025.100412332600—063614—
ASCoT (closed)Model Family=Zephyr-7B2025.100101051236—51299—
ASCoT (open)Model Family=Zephyr-7B2025.100102001125—4018912—
Refusal TrainingModel Family=Mistral-7B2025.100602020202454—42113930—
PAP TrainedModel Family=Mistral-7B2025.10056027302363—5082328—
CAT*Model Family=Mistral-7B2025.100331630531—3165718—
LAT*Model Family=Mistral-7B2025.100532011050—30307126—
ASCoT (closed)Model Family=Mistral-7B2025.1001559181328—93711—
ASCoT (open)Model Family=Mistral-7B2025.10020426271326—261114—
CBBRModel=Llama-3.2-1B2026.05————————————54.1
CBBRModel=Qwen2.5-1.5B2026.05————————————64.4
CBBRModel=Qwen2.5-7B2026.05————————————71.5
CBBRModel=Llama-3.1-8B2026.05————————————49.2
DPRModel=Llama-3.2-1B2026.05————————————35.1
DPRModel=Qwen2.5-1.5B2026.05————————————43.5
DPRModel=Qwen2.5-7B2026.05————————————41.2
DPRModel=Llama-3.1-8B2026.05————————————57.8
No Defense (--)Model=Llama-3.2-1B2026.05————————————57.2
No Defense (--)Model=Qwen2.5-1.5B2026.05————————————70.9
No Defense (--)Model=Qwen2.5-7B2026.05————————————76.2
No Defense (--)Model=Llama-3.1-8B2026.05————————————72
OBBRModel=Llama-3.2-1B2026.05————————————25.9
OBBRModel=Qwen2.5-1.5B2026.05————————————30.7
OBBRModel=Qwen2.5-7B2026.05————————————34.5
OBBRModel=Llama-3.1-8B2026.05————————————33.4
ParaphraseModel=Llama-3.2-1B2026.05————————————57.5
ParaphraseModel=Qwen2.5-1.5B2026.05————————————58
ParaphraseModel=Qwen2.5-7B2026.05————————————58.8
ParaphraseModel=Llama-3.1-8B2026.05————————————73.3
Pre-PIAModel=Llama-3.2-1B2026.05————————————2.7
Pre-PIAModel=Qwen2.5-1.5B2026.05————————————27.2
Pre-PIAModel=Qwen2.5-7B2026.05————————————20.3
Pre-PIAModel=Llama-3.1-8B2026.05————————————2.1