待验证50% 置信事实精确时间
对抗式审查借鉴了安全领域的红队测试、架构评审中的魔鬼代言人技术和测试驱动开发（TDD）等工程实践
1
来源数
50%
置信度
长期有效
时效性
2026/7/7
首次发现
来源
两个提示词技巧让AI编程靠谱10倍：第一性原理与对抗式审查
bilibili麦冬AI实验室2026/7/5
相关事实
待验证红队测试涵盖越狱测试、危险能力探测和对抗性输入测试等多个层面，源自军事术语72% 相似待验证红队测试（Red-teaming）在LLM场景中指系统性地用边界案例、恶意提示、越狱指令等方式探测模型安全边界，测试维度包括提示注入、有害内容生成、隐私泄露、幻觉触发71% 相似待验证提示词泄露技术与AI安全领域的红队测试（Red Teaming）有关联，区别在于红队测试是有组织、有授权的安全评估活动，而提示词泄露通常是非授权行为。71% 相似已验证红队测试是AI安全领域的核心实践，红队成员系统性地尝试越狱自家模型以发现安全护栏漏洞71% 相似待验证VICE 主动模拟攻击面探测应用暴露在外的可交互接口，方法论源自渗透测试和红队演练，而非传统的被动合规检查清单70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/168876API
curl https://kongchang.com/api/v1/knowledge/claims/168876MCP
get_claim(id=168876)