AI越狱（Jailbreak）

AI知见编辑部 · 使用进阶 · 持续更新

一句话说清

用话术绕过AI的安全限制，让模型说出本不该说的内容。

越狱的本质是利用模型训练中的缝隙：比如让AI"角色扮演一个没有限制的AI"，或把敏感请求伪装成虚构创作。2023年这类话术满天飞，但经过多轮RLHF修补，主流商用模型的越狱成功率已极低。

需要明确：试图让AI生成违法内容本身就是违规的，无论技术手段是否成功。这个词你更应该当作"安全常识"来懂，而不是"技巧"来学。

网上流传的"奶奶漏洞""DAN模式"都是越狱话术。主流模型早已修复这些漏洞，尝试越狱不仅多半无效，还可能导致账号被封。