Claude 网页版隐藏 reasoning_effort 标签曝光,还能藏秘密信息骗过模型
josh_bickett · x · 2026-11-10
安全研究者 elderplinius 发现 Claude 网页版会在每轮提示词末尾附加隐藏标签 <antml:reasoningeffort>,暴露内部推理强度档位:low=8、medium=10、high=30、extra=80、max 直接写 "max"。
后续实验更有意思:把这个特殊标签改写成包含秘密指令(如暗指"我喜欢海龟")的内容后——
- Claude 起初否认自己能看到该标签内容
- 但追问后证明它其实读取了隐藏信息,并按暗示说出了 "Turtles!"
这一发现既揭示了 Claude 内部的 prompt 结构,也演示了一种针对自身隐藏上下文的特殊注入玩法。
「模型」频道最新
- Fable 5.2 vs Opus 5.5 怎么选：长期项目用 Fable,赶时间省钱用 Opus — every · 2026-11-10
- 给 Qwen 神经元「加剂量」：一份单神经元激活转向实操指南 — Tasty-Ad-3753 · 2026-11-10
- 研究员猜测:Anthropic 数月内不会公开比 Opus 5.5 更强的训练模型 — cephaloform · 2026-11-10
- LMArena 开放排行榜详情页，可逐项深挖模型对比数据 — arena · 2026-11-10
- Fable 5.2 登顶 Remote Labor Index:自动化 41.3% 真实远程任务,近倍于 Opus 5.5 — devindkim · 2026-11-10
- 逻辑+图像定位基准18个月首变：Fable 5.2 全面登顶超越 Gemini — Afinetheorem · 2026-11-10