Hướng dẫn kỹ thuật năm 2026 về kỹ thuật prompt jailbreak cho các LLM phổ biến

TL;DR

Hướng dẫn kỹ thuật này trình bày chi tiết khung 12 lớp tinh vi để jailbreak các mô hình ngôn ngữ lớn, sử dụng kỹ thuật xã hội và các phương pháp suy nghiệm nhận thức để chuyển dịch phân phối xác suất của mô hình, từ đó tránh việc bị từ chối phản hồi.