专题：jailbreak

本文测试了 Claude Haiku 4.5 对越狱提示的反应，发现其拒绝生成不当内容，并基于真实价值观而非规则。通过对比其他模型，展示了 LLM 在安全机制和对抗性攻击上的差异，具有较高的技术参考价值。