LLM越狱

攻击者通过精心构造的提示，诱使LLM突破内置的安全对齐或系统指令，执行本应被禁止的行为。常见手法包括角色扮演、虚构场景嵌套、编码混淆以及利用模型对上下文优先级的误判。