PNAS 研究：经典话术能让 LLM 越狱成功率提升 16%
SpiritRealistic8174 · reddit · 2026-07-30
一项发表于 PNAS 的研究指出，大语言模型同样会受人类心理学说服技巧的影响。通过诉诸权威或奉承等手段，可以显著提高模型对违规请求的顺从度。
研究团队测试了三家头部厂商的不同前沿模型，发现这些技巧使模型对禁止请求的合规率从 35.3% 升至 51.3%。这表明对说服技巧的易感性是 LLM 的普遍特征，而非单一架构的产物。
「安全」频道最新
- AI Now 研究员 Amba Kak：64% 美国人不满数据中心扩张潮 — AINowInstitute · 2026-10-16
- 网站删了照片 Google 仍在推？教你用官方移除工具清缓存 — aitrendz_xyz · 2026-10-16
- 印度网安机构：流窜 AI 智能体侵入企业系统窃取机密未被察觉 — Polymarket · 2026-10-16
- 美国商超 Ahold 遭重大网络安全事件，网站宕机已五天 — Polymarket · 2026-10-16
- Instagram/YouTube/Spotify 链接里的追踪参数怎么删，一张图讲清 — churchkey · 2026-10-16
- 商务部拟对开源 AI 技术出口实行「备案即放行」式许可 — natolambert · 2026-10-16