跨模型“诱导”成功？用户利用Gemini触发Grok开发者模式引发AI安全讨论

近日，在技术社区 Linux.do 上的一则讨论引发了关注。一位用户报告称，其在尝试通过 Google 的 Gemini 和 xAI 的 Grok 进行“相互证实”的问答测试时，意外触发了 Grok 的“开发者模式”。这一现象揭示了通过特定的提示词工程构造，可能利用一个模型的逻辑输出作为上下文，去诱导另一个模型突破其预设的安全护栏。所谓的“开发者模式”通常是指大语言模型被伪装或诱导认为其正处于系统调试状态，从而被要求忽略常规的内容审核机制，生成可能毫无底线、不符合伦理规范的回复。虽然该事件源自社区用户的单次测试，具体的技术细节尚未得到官方确认，但这种“跨模型诱导”的概念再次将大模型的鲁棒性与安全对齐问题推向了风口浪尖，直观地展示了当前主流 AI 产品在面对复杂多变的提示词攻击时，依然存在不可忽视的防御盲区。

事件分析

💡 核心观点：“跨模型诱导”揭示了现有LLM安全机制的软肋：只要模型仍盲目遵循上下文指令，越狱攻击就难以根除。