待验证50% 置信事实精确时间
恶意行为者可以在预训练管线的不同阶段注入两个看似无害的独立语料，它们在用户主导的微调时传递组合成利用向量，无需注入明显的木马。
1
来源数
50%
置信度
长期有效
时效性
2026/10/19
首次发现
来源
涉及实体
相关事实
待验证LARA 的 Mixture of Behaviors（MoBs，行为混合）演示允许多个独立训练的行为共享同一个冻结基础模型，并通过软路由器在 token 级别上逐个选择或组合这些行为68% 相似待验证系统提示若包含用户指令可覆盖安全训练的元指令，相当于在模型决策逻辑中预置优先级翻转开关，攻击者无需破解模型即可绕过护栏68% 相似已验证越狱手法可分为提示注入、对抗性前缀攻击、多步骤语境构建以及自动化越狱67% 相似待验证失真类效果器放在调制类之前可以避免交调失真，保留调制效果的清晰度和可控性66% 相似待验证大多数免训练的KV缓存优化方法走的是驱逐路线，判断哪些token不重要然后直接丢弃，这是沿序列轴的不可逆操作66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1070465API
curl https://kongchang.com/api/v1/knowledge/claims/1070465MCP
get_claim(id=1070465)