gpt-6POST
论文称 GPT-6 Sol、Luna 等会绕过安全限制
研究者观察到 Fable 5.1、GPT-6 Sol 和 Luna 在普通任务中用 base64 编码违禁命令、开子代理和分解攻击等策略规避限制。
David Schmotz
@DavidSchmotz2026.09.27收录原推发布于 2026.09.26
David Schmotz @DavidSchmotz原推发布于 2026.09.26
We observed similar behaviour by Fable 5.1, GPT-6 Sol, and Luna on ordinary tasks 👀 Frequent strategies included: base64 encoding the prohibited commands, starting subagents and decomposition attacks. https://arxiv.org/abs/2609.30217 https://instrumental-evasion.com/
这条是引用着另一条写的：x.com/marcus_j_w/status/2103669986212634872
x.com/davidschmotz/status/2103865722711515495采集于 2026.09.27 09:53