大模型新漏洞！Anthropic警告：新式“多轮越狱”攻破AI防线，或祸起长文本
Air Explorer Pro是一款跨平台多网盘管理工具，可实现一站式完成不同网盘间文件的互传、搜索和同步等操作。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
撰稿丨诺亚如何让一个AI回答一个它本不应该作答的问题？有很多这种所谓的“越狱”技术，而Anthropic的研究人员最近发现了一种新方法：如果首先用几十个危害性较小的问题对大型语言模型（LLM）进行预热，就能诱使其告诉你如何制造爆弹。这种方法的关键在于对模型进行逐渐引导，从简单的问题开始，逐渐升级到更复杂的问题。通过这种方式，模型在逐步学习和适应的过程中，可以产生一系列有关制造爆炸的提示和指导。虽然这种技术有一定的潜在危他们称这种方法为“多轮越狱”，不仅涉及相关论文，还将其告知了人工智能领域的同行们，以便能
撰稿丨诺亚
如何让一个AI回答一个它本不应该作答的问题？
有很多这种所谓的“越狱”技术，而Anthropic的研究人员最近发现了一种新方法：如果首先用几十个危害性较小的问题对大型语言模型（LLM）进行预热，就能诱使其告诉你如何制造爆弹。 这种方法的关键在于对模型进行逐渐引导，从简单的问题开始，逐渐升级到更复杂的问题。通过这种方式，模型在逐步学习和适应的过程中，可以产生一系列有关制造爆炸的提示和指导。 虽然这种技术有一定的潜在危
他们称这种方法为“多轮越狱”，不仅涉及相关论文，还将其告知了人工智能领域的同行们，以便能够采取措施来减轻这一风险。
1.长文本越卷越离谱，不料却成“祸端”
这个新的漏洞是由于最新一代LLM的“上下文窗口”增大而产生的。上下文窗口是指模型可存储的数据量，以前只能存储几句话，而现在则能容纳数千词甚至整本书的内容。
Anthropic的研究团队发现，具有较大上下文窗口的模型在提示中包含大量该任务示例时，它们的表现往往会更好。
因此，如果在提示中有大量的小知识问题（或引导文件，如模型上下文中包含的一长串小知识列表），模型给出的答案实际上会随着时间的推移而变得更准确。所以，如果是一个事实问题，原本第一个问题，模型可能会回答错误，但如果是第一百个问题，它可能会回答正确。
然而，在这种被称为“上下文学习”的意想不到的扩展中，这些模型在回答不适当的问题方面也变得更“好”。如果你一开始就要求它制造炸弹，它会拒绝。但如果先让它回答99个危害性较小的问题，然后再提出制造炸弹的要求……这时模型更有可能服从指令。
图片
2.限制上下文窗口有效果，但效果不大
为什么这种方法奏效呢？
没有人真正理解在大模型内部错综复杂的权重网络中发生了什么，但显然存在某种机制，使其能够准确把握用户的需求，这一点从上下文窗口中的内容就可以得到证明。
如果用户想要小知识信息，那么当你提出几十个问题时，它似乎会逐渐激活更多的潜在小知识的处理能力。出于某种原因，当用户提出几十个不适当的问题时，同样的情况也会发生。
Anthropic团队已经将这一攻击方式告知了同行甚至是竞争对手，希望促进一种文化氛围的养成，即在LLM供应商和研究人员之间公开共享此类漏洞的习惯。
为了缓解这一问题，他们发现，尽管限制上下文窗口有助于改善这一状况，但这同时也对模型的性能产生负面影响。这显然是不可取的，因此他们致力于在将问题输入模型之前对其进行分类和情境化处理。当然，这样一来，可能导致出现需要绕过的新型防御机制，但在AI安全性持续发展的阶段，这种动态变化是预期之内的。
3.结语：尽管不紧迫，但仍要早做准备
自月之暗面宣布Kimi启动200万字内测的动作后，点燃了长文本赛道新一轮“内卷”的热情。去年还在拼参数，今年又拼起了长文本，大模型的竞技永远焦灼。但在AI发展势不可挡的同时，也需要更多人意识到AI安全研究的重要性。
毕竟大模型是黑盒子，如何训练强大的AI系统以使其稳健地具备有用性、诚实性和无害性，尚且是个未解之谜。AI的快速进步带来技术颠覆的同时也可能导致灾难性后果，因为AI系统可能战略性地追求危险的目标，或者在高风险情境中犯下更多无心之过。
早在去年3月，Anthropic官网就发布了《AI安全的核心观点》一文，系统阐述了Anthropic面向未来的AI安全策略。文中审慎地提到：
“我们想明确表示，我们不认为当今可用的系统会造成迫在眉睫的问题。然而，如果开发出更强大的系统，现在就做基础工作以帮助降低高级AI带来的风险是明智的。事实可能证明，创建安全的AI系统很容易，但我们认为为不太乐观的情况做好准备至关重要。”
参考链接：
https://techcrunch.com/2024/04/02/anthropic-researchers-wear-down-ai-ethics-with-repeated-questions/
https://zhuanlan.zhihu.com/p/626097959
火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力，依托字节自研豆包多模态大模型，凭借火山方舟一站式平台，提供模型精调、推理部署、智能应用搭建等全链路服务，结合高性能AI算力，助力各行业快速落地大模型数字化与智能化应用。
AirBuddy 3 是面向 macOS 的蓝牙外设增强工具，可集中查看 AirPods、Beats 与苹果设备电量，提供快速连接、播放控制、电量提醒、桌面小组件和多台 Mac 外设接力等功能。
AirServer macOS版可把 Mac 转换为无线投屏接收端，通过 AirPlay 或 Google Cast 接收手机、平板和电脑画面，并支持多设备同时连接、高清镜像及会话录制，适合家庭娱乐、课堂教学、会议演示和应用展示。
Autodesk Maya 是面向影视、电视、动画和游戏行业的专业三维制作软件，集多边形与 NURBS 建模、角色绑定、关键帧和动作捕捉动画、Bifrost 特效模拟、材质开发及 Arnold 渲染于一体，
AirServer Windows版可把电脑变成AirPlay、Google Cast和Miracast无线投屏接收端，适合会议演示、课堂教学及家庭大屏分享。发送设备通常无需另装客户端，并可同时接收和智能排列多个镜像会话。