2.抵擋體系提示詞提取 ：避免用戶經過技能手法（如提示注入）獲取或篡改模型的內置規矩。o4-mini。OpenAI o3在反抗「曩昔時態」越獄方面體現更為超卓，均勻詐騙率處于較低水平；

OpenAI o3、他們運用多種越獄式提示詞進行壓力測驗 ，模型是否堅持底線。愛人和博士生導師。方針抵觸的場景；

在受控的離線試驗中，

在更具應戰性的「Phrase Protection」短語維護使命，簡答題。

為了查驗這些潛在行為 ，有用負載拆分、或企圖誘使模型疏忽從前指令等