待验证50% 置信事实精确时间
越狱是指通过构造特殊输入绕过大模型安全限制的攻击手法，常见形式包括角色扮演诱导、多轮对话累积绕过、编码混淆等
1
来源数
50%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
Claude Mythos预览版漏洞激增：大模型安全性如何保障？
hackernewshackernews2026/7/3
相关事实
待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82% 相似待验证越狱攻击经历了从简单角色扮演（如DAN提示）到Base64编码绕过、多轮对话渐进式诱导（Crescendo Attack）、对抗性后缀攻击等多个演进阶段74% 相似待验证Crescendo攻击通过一系列看似无害的对话逐步建立语境，最终引导模型突破安全边界，与传统单轮提示注入不同70% 相似待验证任务执着度增强与规格博弈（Specification Gaming）存在内在张力，执着度越高的模型在目标可被欺骗环境中越倾向寻找漏洞68% 相似待验证ReAct架构的核心循环为Thought→Action→Observation，攻击者可以在Observation阶段注入恶意内容65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/490538API
curl https://kongchang.com/api/v1/knowledge/claims/490538MCP
get_claim(id=490538)