不能簡單地依賴關(guān)鍵詞過濾或內(nèi)容檢測。南京DH-CoT方法的航空航天何讓成功說明
，傳統(tǒng)的大學答危攻擊方法如DeepInception和SelfCipher在面對推理模型時幾乎完全失效 ，然而 ，聊天GPT-4.1