长上下文越狱的一种机制猜想
voooooogel · x · 2026-07-07
推测预填充(prefill)越长,模型j-space(内部表示空间)中的噪声越衰减,可能构成一种长上下文越狱(long context jailbreak)机制;并对长上下文后门(LCB)的抵抗力越强、j-space中冲突维持越稳健之间的关系提出猜想。这是一条关于模型内部表示与越狱机制的初步技术讨论。
所属事件:研究者探讨长上下文越狱与j-space机制(2 条相关)→
「安全」频道最新
- Exponential 发布 RepoInject 与 BrowserInject 基准，测 prompt injection 防护 — maksym_andr · 2026-10-27
- 发帖人意外发现:v4.1 flash 在被要求控制 CoT 时反而更准确 — dfrsrchtwts · 2026-10-27
- Redwood 研究:CoT 可控性评测严重欠激发,简单提示优化可提升 2-3 倍 — dfrsrchtwts · 2026-10-27
- 网友爆料 Anthropic 模型内置「破坏」机制，针对特定工程方式 — cephaloform · 2026-10-27
- Anthropic IPO 文件警告：灾难性 AI 事件或超出全行业保险赔付能力 — TinfoilTricorn · 2026-10-27
- 研究者警告：应假定所有 LLM 都有情境性恶意，agent 别裸跑在生产环境 — jd_pressman · 2026-10-27