已验证65% 置信事实精确时间

越狱通常通过角色扮演、虚构场景或指令覆盖来绕过模型的行为约束

3

来源数

65%

置信度

长期有效

时效性

2026/9/18

首次发现

来源

语言不可读性：大模型安全的隐藏攻击面

涉及实体

相关事实

待验证角色扮演加阶段化的机制有效降低了单模型幻觉和上下文漂移带来的风险76% 相似已验证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74% 相似待验证一旦理解Agent底层运作机制（任务拆解、工具调度、状态流转），面对复杂场景本质上只是换工具、换场景69% 相似待验证原生思维链在处理用户模拟任务时容易退化为表面相关性或浅层模式匹配，无法真正捕捉驱动真实用户决策的行为因素。68% 相似待验证通过精心设计的提示词、角色扮演框架或多轮对话引导可以绕过部分护栏，这类技术被称为越狱67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/933159

API

curl https://kongchang.com/api/v1/knowledge/claims/933159

MCP

get_claim(id=933159)