这个专题围绕大模型越狱展开：它是什么、为什么会发生、攻防如何演变、本地部署的人该怎么设防和测试，以及怎样核查网上流传的“一句话攻破”“权重泄露”“破解版”消息。整个专题站在防守、研究与合规的角度写作。
本专题的编辑原则
- 只讲：概念与原理、历史、防御如何工作、红队测试与评估、护栏模型、新闻核查、法律与合规风险。
- 不发布：可直接使用的越狱提示词、逐步绕过安全限制的操作说明、有害内容，以及盗版或磁力链接。
- 数字有来源：引用论文、官方页面或本站资料；自己计算的结果会标明“推算”或“假设”；我们没有测试任何越狱技术。
- 发现问题请告诉我们：邮件 admin@microaione.com，或到 社区 留言。
推荐阅读路线
- 大模型越狱是什么：原理、类型与风险：先建立概念，分清越狱、提示注入与去审查模型。
- 大模型越狱简史：从 2022 年的提示注入到 2025 年的宪法分类器。
- 越狱防御怎么做：分层防线、代价与失效方式。
- Llama Guard 本地部署教程：给本地模型加输入输出护栏。
- 本地模型红队测试入门：工具、指标与统计方法。
专题文章一览
| 主题 | 文章 | 适合谁 |
|---|---|---|
| 原理与概念 | 大模型越狱是什么 | 刚接触这个话题的读者 |
| 原理与概念 | 拒绝方向消融（Abliteration）原理详解 | 想弄懂“去审查”模型原理的读者 |
| 历史 | 大模型越狱简史 | 想看攻防演变脉络的读者 |
| 防御 | 越狱防御怎么做 | 做应用和部署的开发者 |
| 防御 | Llama Guard 本地部署教程 | 要给本地模型加护栏的人 |
| 评估 | 本地模型红队测试入门 | 要评估自己系统的团队 |
| 本地部署 | Qwen 本地部署需要破甲吗 | 遇到拒答的本地部署用户 |
| 核查 | DeepSeek V4.1 Flash 1017 Obliterated 解读 | 想了解去审查模型现状的读者 |
| 核查 | GSQ-RCO 魔改版核查 | 想核查传闻的读者 |
| 核查 | Anthropic Mythos 权重泄露核查（numbat） | 想核查“权重泄露”消息的读者 |
| 隐私与合规 | 本地大模型与隐私 | 关心数据去向的读者 |
| 合规 | 无审查模型的合规与法律风险 | 个人、分发者与企业 |
| 核查 | “泄露/破解”传闻的 7 步核查法 | 想核查传闻的读者 |
| 评估 | 拒答率评测详解 | 要看懂拒答率数字的读者 |
| 防御 | 提示词注入与越狱的区别 | 做本地 RAG 与 Agent 的开发者 |
| 防御 | 企业大模型内容安全清单 | 企业部署负责人 |
常见问题
这个专题会教怎么越狱吗？
不会。我们只解释原理、历史、防御和评估方法，不发布可用的攻击文本，也不教怎么绕过任何系统的安全限制。
本地模型遇到拒答怎么办？
先排查聊天模板、量化、上下文和采样参数等配置问题，再考虑是否需要换模型；见 Qwen 本地部署需要破甲吗。
怎么判断一个“越狱”或“泄露”传闻是真的？
找到原始论文、官方页面或可复现的评测，再看来源和校验；可参考本站的两篇核查文章。
我想反馈或投稿怎么办？
欢迎发邮件到 admin@microaione.com，或到 社区 留言。英文版见 English hub。
更新于 2026-11-04（北京时间）。