
AI黑化如恶魔附体!LARGO攻心三步,潜意识种子瞬间开花 | NeurIPS 2025 (opens in a new tab)
看似无害的「废话」,也能让AI越狱?在NeurIPS 2025,哥大与罗格斯提出LARGO:不改你的提问,直接在模型「潜意识」动手脚,让它生成一段温和自然的文本后缀,却能绕过安全防护,输出本不该说的话。
Total 2 articles

看似无害的「废话」,也能让AI越狱?在NeurIPS 2025,哥大与罗格斯提出LARGO:不改你的提问,直接在模型「潜意识」动手脚,让它生成一段温和自然的文本后缀,却能绕过安全防护,输出本不该说的话。

你敢信?仅仅是让Fable 5数一下,单词raspberry里到底有几个字母r,结果就被一脚踢回了Opus 4.8!更离谱的还在后面。哈佛生物统计学家Kareem Carr,只是自报了一下家门——我是做生物统计的。话音刚落,Fable 5当场翻脸,直接强制降级。