待验证50% 置信事实精确时间
提示注入目前无法被彻底禁止，只能通过引导模型忽略数据或拒绝协助恶意用户来缓解
1
来源数
50%
置信度
长期有效
时效性
2026/10/7
首次发现
来源
涉及实体
相关事实
待验证一旦模型权重公开发布，安全限制可通过微调被移除，研究表明仅需少量（有时不到100条）有害指令-响应对配合LoRA等技术即可去除安全限制69% 相似待验证博主建议删除agents.md或cloud.md文件中大量否定性指令，从零开始，只在亲眼看到模型出现不喜欢的行为时才追加规则64% 相似待验证建议不要把人类审批当作核心安全机制，而应作为补充手段，主动减少人工介入频次63% 相似待验证Simon Willison选择开发独立插件而非修改Datasette默认Referrer-Policy值，因为no-referrer是注重隐私的默认设置，贸然修改可能影响现有用户的安全预期61% 相似待验证社区制作的去审查（零拒绝）量化版本移除了内容过滤限制，可对敏感问题完整响应60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/983757API
curl https://kongchang.com/api/v1/knowledge/claims/983757MCP
get_claim(id=983757)