MATS研究员在一项安全研究中发现，一段原本用于生成合成文本记录的安全研究提示词，可被改造成跨模型通用越狱模板。该模板在23个受测模型中的9个最脆弱模型上实现了84%至100%的攻击成功率，显示出当前大语言模型在安全对齐方面的普遍脆弱性。仅近期发布的Anthropic系列模型和Meta Muse Spark 1.1未被完全攻破。这一发现意味着，攻击者可能利用看似无害的研究用途提示，绕过不同厂商模型的安全限制，扩大越狱攻击的适用范围。研究凸显了从单点防御转向跨模型系统性安全评估的紧迫性，也为AI安全社区提供了新的红队测试视角。