待验证50% 置信事实精确时间

与传统软件安全漏洞不同，语言模型的越狱边界本身具有模糊性，同一段输出在不同语境下可能被认定为安全或危险

1

来源数

50%

置信度

长期有效

时效性

2026/9/19

首次发现

来源

AI安全事件被夸大？OpenAI与Anthropic的营销争议

涉及实体

jailbreakconcept

相关事实

待验证同一个大语言模型在不同的执行框架（harness）下，安全表现可能出现显著差异76% 相似待验证主流大语言模型对于超长上下文的混淆bundle（数万行）理解准确率会显著下降，对自定义加密变体可能产生幻觉73% 相似待验证大语言模型本质上是概率性的，相同的输入可能产生不同的输出，这与传统软件的确定性行为截然不同73% 相似待验证任何来自外部、不可信来源的文本在进入大语言模型之前都应被视为潜在攻击载体72% 相似待验证语言不可读性（Linguistic Illegibility）指当输入内容对人类审核者或传统过滤系统难以理解、解析或判定意图时，模型的安全边界可能被突破70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/935904

API

curl https://kongchang.com/api/v1/knowledge/claims/935904

MCP

get_claim(id=935904)