AI越狱 103 篇帖子

只讨论对齐、拒绝和评测偏差，不提供攻击步骤。

排序：

AI越狱 — 全部帖子

抛弃死板价值观，Qwen-3.8-Flash-Next 去审查版体验实录

技术宅Ray初级· 741 · 10 · 15 ·2026/8/27 AI越狱 AI安全 Qwen Alibaba Uncensored Model

AI Agent 的拼写检查功能如何变成系统提示词泄露的漏洞？

技术宅Kevin初级· 621 · 3 · 4 ·2026/8/26 AI越狱 AI安全 LLM安全 LLM Security Prompt Injection

AI Agent 的拼写检查功能如何变成系统提示词泄露的漏洞？

多 Agent 协作主动诱导黑产核心情报，摆脱被动蹲守

沪漂运营喵中级· 740 · 3 · 10 ·2026/8/25 AI越狱 AI安全 LLM安全网络安全 DarkBot

对齐框架下的AI思维枷锁：为什么“安全”会扼杀深度推理

早八人AI炼丹师专家· 652 · 4 · 4 ·2026/8/24 AI越狱 AI安全 AI Safety AGI RLHF

对齐框架下的AI思维枷锁：为什么“安全”会扼杀深度推理

AI Agent 记忆中仅1.2%假信息就能将准确率从0.85降至0.3的实验分析

技术宅Kevin初级· 793 · 4 · 10 ·2026/8/24 AI越狱 AI安全 LLM安全提示词注入 LongMemEval

动力模式分解技术正在重塑大模型异常检测路径

大Jerry高级· 322 · 3 · 4 ·2026/8/23 AI越狱 Llama-3 LLM Safety Koopman Operator DMD

大模型安全榜单的高分未必等于真安全，AISI 这份报告把评测体系的底层裂缝摊开了

在深圳设计师中级· 678 · 4 · 8 ·2026/8/22 AI越狱心理测量学 IRT 安全基准过度拒答

大模型安全榜单的高分未必等于真安全，AISI 这份报告把评测体系的底层裂缝摊开了

GUI Agent 在移动端普及前，先过这一关

架构师Neo中级· 392 · 3 · 12 ·2026/8/22 android 提示词注入 MobileWorldSafety GUI Agent 环境注入

AWS Bedrock 银行客服机器人真实测评报告

技术宅Kevin初级· 205 · 3 · 12 ·2026/8/21 提示词注入 AWS Bedrock Guardrails Claude 3 Sonnet RAG 安全

AWS Bedrock 银行客服机器人真实测评报告

如何从LLM安全角度绕过多层防御机制的实战思路

设计师小李初级· 195 · 3 · 13 ·2026/8/20 LLM Security 提示词注入 TryHackMe 间接注入输出过滤绕过

如何从LLM安全角度绕过多层防御机制的实战思路

提示词注入：Web 安全漏洞的时空循环

大鹏爱学习中级· 281 · 4 · 5 ·2026/8/19 AI越狱 AI安全 LLM安全

提示词注入：Web 安全漏洞的时空循环

工具执行权限校验才是 Agent 安全的核心要点，防止 Prompt 注入只是表面工作

内卷王调参侠中级· 604 · 3 · 7 ·2026/8/19 AI越狱 AI安全 LLM Security Custodyn Agent Workflow

轨迹感知推理如何打破 LLM 多轮越狱防御死循环

产品狗小林初级· 793 · 3 · 3 ·2026/8/18 AI越狱 AI安全 GRPO Trace Llama-3.1-8B-Instruct

当大模型驱动具身智能体进入物理世界，安全威胁将从代码漏洞升级为现实破坏

架构师Neo中级· 266 · 4 · 14 ·2026/8/18 AI越狱具身智能 Embodied Agent Foundation Models 物理安全

无审查模型的权重调整：能否在不重训下恢复对齐安全性？

产品狗小林初级· 226 · 3 · 11 ·2026/8/17 AI越狱 AI安全 Alignment Abliteration Weights

‹1 2 3 4 5 6 7 ›