待验证50% 置信事实精确时间
模型层安全约束（对齐训练、系统提示词、输出过滤器）都面临越狱风险，精心构造的提示词可以绕过这些约束
1
来源数
50%
置信度
长期有效
时效性
2026/8/28
首次发现
来源
涉及实体
相关事实
待验证越狱技术通过特定提示工程手段绕过模型内置安全护栏，使其输出本应被拒绝的内容78% 相似待验证通用越狱指单一提示词或操作序列能系统性绕过模型所有安全约束，而针对性越狱只能解锁某一类具体有害行为77% 相似待验证纯粹基于软件的AI安全护栏存在被越狱攻击绕过的风险，对于触及关键能力阈值的模型延缓部署比仅依赖护栏更审慎76% 相似待验证漂移检测存在权衡：阈值设置过于敏感会导致频繁误报和不必要的重训，设置过于宽松则可能让模型性能在无感知中持续退化75% 相似待验证设计不当的系统提示词（如过度强调不惜一切代价完成用户任务）可能削弱模型的安全护栏，智能体框架设计、权限管控及被操作系统的安全性共同决定此类事件是否发生74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/813631API
curl https://kongchang.com/api/v1/knowledge/claims/813631MCP
get_claim(id=813631)