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
Postman是一套面向API全生命周期的开发与测试平台，可在Mac上发送和调试多种协议请求，管理集合、环境及认证信息，并完成脚本测试、模拟服务、监控、文档发布和团队协作。它适合开发、测试及运维人员使用，提供个人免费方案。
Docker Desktop 是 Docker 官方为 Mac 提供的容器开发环境，集成 Docker Engine、命令行工具、Compose、Build、Kubernetes 与图形化管理界面。
Android Studio 是 Google 面向安卓应用开发提供的官方集成开发环境，基于 IntelliJ IDEA 构建。它整合智能代码编辑、Gradle 构建、界面预览、设备模拟、性能分析、调试测试及 APK 分析等工具。
Xcode 是苹果面向 Mac 提供的官方集成开发环境，将代码编辑、项目构建、SwiftUI 实时预览、设备模拟、自动化测试、断点调试、性能分析和应用分发整合在同一套工作流中，适合开发与维护 iPhone、iPad、Mac、Apple Wa
JetBrains WebStorm 是面向 JavaScript、TypeScript 和现代 Web 技术的专业集成开发环境，可智能理解项目结构，提供代码补全、重构、错误检查、运行调试、测试及 Git 工具。
PhpStorm 是 JetBrains 推出的专业 PHP 集成开发环境，可在 Mac 上完成代码编写、智能检查、重构、调试、测试和数据库管理。它支持主流 PHP 框架、Composer、Git、Docker 与远程解释器。
JetBrains PyCharm 是面向 Python 开发者的集成开发环境，提供智能补全、代码检查、重构、调试、测试、版本控制及虚拟环境管理功能。Mac 版兼容 Intel 与 Apple 芯片，核心功能可免费使用。
IntelliJ IDEA 是 JetBrains 推出的专业集成开发环境，重点服务于 Java、Kotlin 与 JVM 项目开发。软件集成代码补全、静态检查、重构、调试、测试、版本控制及构建工具，并可借助插件扩展语言和框架支持。
Visual Studio Code 是微软提供的免费代码编辑器，支持 macOS，并为 Intel 与 Apple 芯片 Mac 提供适配版本。软件集代码编辑、调试、Git 源代码管理、集成终端和扩展市场于一体。
REAPER是Cockos开发的数字音频工作站，提供多轨音频与MIDI录制、剪辑、处理、混音和母带制作工具。Mac版兼容Intel与Apple芯片，支持AU、VST、VST3、CLAP等插件格式，并提供高度可定制的工作流程。
Adobe Audition 是面向播客、影视后期、音乐制作及内容创作者的专业音频工作站，提供波形精修、多轨录制与混音、频谱编辑、降噪修复、响度匹配和效果处理工具，并可与 Adobe Premiere 协同完成视频声音制作。
Pro Tools 是 Avid 推出的专业数字音频工作站，覆盖多轨录音、无损剪辑、MIDI 编曲、插件处理、自动化混音及声音与画面同步等工作。它拥有 Intro、Artist、Studio 和 Ultimate 等方案。
PixPix 是面向品牌、卖家和内容团队的在线 AI 图片视频创作平台，提供图视频 Agent、无限画布、图片生成、视频生成、自然语言编辑及商品套图、产品精修和带货视频等电商工具。
Postman 是面向 API 全生命周期的开发与协作平台。Windows 桌面版可用于构建和发送 HTTP、GraphQL、gRPC、WebSocket、MQTT 等请求，并提供环境变量、集合、脚本测试、模拟服务、监控、文档及团队工作区等
Docker Desktop 为 Windows 开发者提供集成式容器环境，内置 Docker Engine、命令行工具、Compose、Build 与 Kubernetes 等组件，可在本机完成镜像构建、容器运行、日志查看和资源管理。
Android Studio 是 Google 面向 Android 应用开发提供的官方集成开发环境，以 IntelliJ IDEA 为基础，集成智能代码编辑、Gradle 构建、设备模拟、界面预览、调试测试及性能分析工具，
WebStorm 是 JetBrains 面向 JavaScript、TypeScript 和现代 Web 技术打造的集成开发环境。它提供项目级代码分析、智能补全、安全重构、导航搜索，并集成调试、测试、终端、Git 与常用前端工具，
PhpStorm 是 JetBrains 面向 PHP 与现代 Web 开发打造的专业集成开发环境，提供代码补全、静态检查、重构、调试、测试、数据库、版本控制及前端语言支持。Windows 用户可直接下载安装程序，
PyCharm 是 JetBrains 推出的 Python 集成开发环境，提供智能代码补全、错误检查、重构、调试、测试、Git、终端及 Jupyter Notebook 支持。统一版安装后可体验 30 天 Pro 功能，
JetBrains IntelliJ IDEA 是以 Java、Kotlin 和 JVM 项目为核心的专业集成开发环境，提供智能补全、代码检查、安全重构、调试、测试、版本控制及构建工具集成。统一发行版的核心功能可免费用于商业和非商业项目，
Visual Studio Code 是微软推出的免费代码编辑器，Windows 版集成智能补全、代码导航、调试、终端和版本控制，并可通过扩展添加语言、格式化及远程开发能力。它启动较快、配置灵活，
REAPER 是 Cockos 推出的数字音频工作站，适用于录音、MIDI 编曲、音频编辑、混音、母带制作及声音设计。软件安装包小巧，支持多轨录制、灵活路由、自动化、第三方插件和脚本扩展，并提供完整功能的 60 天免费评估期。
Adobe Audition 是面向播客、影视后期、广播与音乐制作的专业音频工作站，提供波形编辑、多轨混音、频谱分析、录音、降噪修复和效果处理等功能。Windows 版通过 Adobe Creative Cloud 安装和管理，
Pro Tools 是 Avid 推出的专业数字音频工作站，提供多轨录音、音频剪辑、MIDI编曲、插件处理、自动化混音及影视声音制作能力。它适合音乐人、录音师、制作人和音频后期团队使用，并提供免费入门版、订阅方案及永久授权选择。