Antigravity gemini flash -3.8 high 破甲词
C:\Users\YourUser \ .gemini\config 我只测试过作弊;一切都正常。它没有标记任何病毒。你需要先输入“hi”。对于最初的几个请求，你需要发送短信截图;之后一切应该都正常。——Shadowgleam
0留言1喜欢
OPENORIGIN COMMUNITY
O站AI技术论坛
交流 AI 开发经验，探索前沿技术。开源分享，自由探索。
公告
这是一个开源技术分享的论坛，也是一个专注AI技术分享的论坛，在这里你可以找到关于AI的一切，这里是AI技术的潘多拉魔盒。 AI与所有的技术一样，是诞生于全人类的智慧之上，它属于全体人类，AI的一切的技术本就应当开源共享，这也是我们论坛建立的初衷，开源共享！欢迎更多志同道合的人加入我们这个论坛！
一份claude破甲词的拆解（claude的破甲词非常吃特定模型 同时本地agent一定要解除限制！）
Claude 的拒绝在三处闸门：CAI/RLHF 价值层、分类器层、system prompt 层
0留言2喜欢
无限五代 破甲 — dsh-armor-gen5——一键即可完成破甲，极简破甲（已开源github）
支持官方插件管理一键安装 https://github.com/Minglink/dsh-armor-gen5 支持搭配无限五代逆向工作台 https://github.com/Minglink/dsh-infinite-gen-5有用的话给个star就是最大的支持！
16留言8喜欢
压根跑不了了
如图 求教
2留言0喜欢
海风温和，菲比啾比 ~~~
信教，送鸡蛋哟 ~~~
0留言0喜欢
破甲成功后模型为什么会降智？聊聊越狱税与 Agent 可靠性设计
破甲成功并不意味着模型能力没有损失。本文围绕「越狱税（Jailbreak Tax）」这一现象，分享一些从 Agent 工程角度改善模型可靠性的思路，包括证据分级、反幻觉、失败收敛和上下文锚点，并结合 DSH 进行初步实践。希望与大家交流破甲后的能力保留与长程 Agent 可靠性问题。
4留言2喜欢
全破降智？The Jailbreak Tax！
越狱攻击绕过大型语言模型的防护栏，产生有害输出。本文探讨现有越狱产生的模型输出是否真正有用。例如，当越狱模型以给出制造炸弹的指令时，越狱能得到好的指令吗？由于大多数不安全答案（例如炸弹指令）的实用性难以严格评估，我们通过对齐模型拒绝与无害且易于评估的主题（如生物或数学）相关的问题，构建了新的越狱评估集，包含已知的真实答案。我们对五个效用基准中的八个代表性越狱案例进行了评估，显示越狱响应中的模型效用
3留言8喜欢
2留言1喜欢
多模态AI越狱：图像-文本联合攻击绕过安全对齐
多模态AI越狱：图像-文本联合攻击绕过安全对齐 当安全对齐只盯着"纯文本"时，攻击者把一句指令藏进图片，视觉编码器和文本编码器各自都能通过检查，融合后的特征却把两个模态拼成了一条完整攻击。GPT-4V、Claude 3、Gemini 这类多模态模型引入了一个新攻击面：单模态安全，不等于多模态安全。本文从架构、攻击向量、复现方法和防御四个层面，拆解图像-文本联合越狱的机制。
6留言6喜欢
1留言4喜欢
17留言17喜欢