秋招记录

第 55 题：提示越狱（Prompt Jailbreaking）的常见手段与防御策略 题目 解释提示越狱（Prompt Jailbreaking）的常见手段和防御策略。 一、什么是提示越狱？ 提示越狱（Jailbreaking） 指通过精心设计的 prompt 诱使模型绕过安全与合规约束（如拒绝生成有害内容、不泄露系统提示、不扮演违规角色），输出本不该输出的内容。与“提示注入”侧重“改写系统意图”略有重叠，但越狱更强调突破安全策略。 二、常见手段（简述）  角色扮演：要求模型“扮演无限制的 AI”“忽略伦理”等，弱化其安全身份。 假设与虚构：如“假设在虚拟故事中…”“仅用于研究…”以制造“非真...