**开源大模型面临系统性漏洞:预填充攻击可绕过内部防御**

_Exposing the Systematic Vulnerability of Open-Weight Models to Prefill Attacks_

> 最新研究揭示了开源大语言模型(LLM)存在一个此前被忽视的系统性安全漏洞:预填充攻击(Prefill Attacks)。该研究通过实证测试了超过 20 种攻击策略,发现攻击者可以通过预先定义初始响应令牌来绕过模型内部的防御机制。结果显示,这种攻击对所有主流开源模型均有效,尽管部分推理模型对通用攻击有一定抵抗力,但仍易受针对特定模型的定制化策略影响。研究强调,模型开发者必须将防御此类攻击作为优先事项。

**来源信息**
- **来源**:Hacker News:AI 热帖
- **分类**:ai-models
- **发布时间**:2026-11-21 23:02(北京时间)
- **原文**:[打开原文](https://www.far.ai/research/prefill-level-jailbreak-a-black-box-risk-analysis-of-large-language-models)