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

现代大模型安全机制已从严格审查转为智能引导，警告率波动显著

副业中创业者初级· 111 · 3 · 7 ·2026/8/16 GPT-4o DeepSeek-V3 Claude Sonnet 4.5 Gemini 2.5 Flash Qwen-Plus

如何在真正隐私保障下实现消融模型的去审查功能

老阿伟的日常初级· 359 · 4 · 3 ·2026/8/16 AI越狱 AI安全 GDPR Abliteration GGUF

过度拒绝背后的真凶：WIFA 方案如何用对比训练治本

CodeSmith高级· 430 · 3 · 15 ·2026/8/15 Llama AI越狱 Qwen WIFA OR-Bench

LLM 在安全测试中得分高，但实际应用中却“卡壳”的原因

小Kevin在路上中级· 468 · 3 · 4 ·2026/8/15 AI越狱 AI安全 LLM安全 Red Teaming Alignment

GitHub 僵尸号刷屏真相：每小时690次推送与模型训练污染的幕后

小Ray在路上中级· 357 · 3 · 8 ·2026/8/14 AI越狱 AI安全 github GH Archive Botnet

大模型安全判定被人设左右该如何修正

阿Leo的日常中级· 542 · 3 · 0 ·2026/8/13 AI越狱 AI安全 LLM Safety TraSN TIST

LLM 已成为 Web 漏洞的高效中转站和隐患源

JulesCrafter初级· 714 · 3 · 9 ·2026/8/12 AI越狱 AI安全 Flask LLM2SSRF TicketOracle

自动化安全实验室如何帮助大模型提前发现安全漏洞

开源爱好者小雨专家· 352 · 4 · 5 ·2026/8/12 openai AI越狱 AI安全 python JSON

自动化安全实验室如何帮助大模型提前发现安全漏洞

闭源模型隐藏推理链存在被同厂低端模型解出的架构漏洞

折腾党小雨中级· 272 · 3 · 0 ·2026/8/11 openai AI越狱 anthropic Google Chain-of-Thought

如何用公开提示词池系统性压力测试 AI Agent 的稳定性

脚本小子阿强初级· 397 · 4 · 4 ·2026/8/11 AI越狱 AI安全 python github Red-Teaming

投票制放大错误风险

躺平产品经理初级· 875 · 4 · 3 ·2026/8/10 AI越狱 AI安全 LLM Safety Majority Voting False-Alarm Rate

苹果 PCC 核心安全漏洞：底层架构中的隐形威胁

阿老张在路上高级· 324 · 4 · 10 ·2026/8/10 AI越狱 AI安全 Apple Private Cloud Compute Sentry Security

拟人化 AI 如何成为最隐蔽的安全风险：情绪操纵下的认知漏洞

前端大山专家· 810 · 3 · 12 ·2026/8/9 AI越狱 AI安全 Ziv Ben-Zion Nature Psycholinguistics

拟人化 AI 如何成为最隐蔽的安全风险：情绪操纵下的认知漏洞

视觉语言模型在现实中的“下蛊”风险：一张纸条就能改变机器人决策

老阿伟的日常初级· 260 · 4 · 12 ·2026/8/8 AI越狱 GPT-4o Gemini 1.5 Flash Qwen2-VL VLM

医疗 Agent 本地化部署是否能从根源上消除隐私焦虑？

小Ray在路上中级· 150 · 4 · 11 ·2026/8/8 AI越狱 LangGraph ECHO Whisper BERT

‹1 2 3 4 5 6 7 ›