Saltar al contenido

#jailbreak4 notas

Qué es un jailbreak (y qué no es)Un jailbreak ataca el entrenamiento de seguridad del propio modelo, no a la aplicación que lo rodea. Por qué la «jaula» es una probabilidad aprendida y no una regla, y cómo leer las cifras de éxito sin engañarse.Técnicas clásicas de jailbreakJuego de rol, persuasión emocional, ofuscación y encadenado de tareas. Por qué cada técnica funciona, qué dicen los datos y qué defensa le corresponde.Jailbreak multi-turno y condicionamientoPor qué los ataques que se reparten en una conversación evitan las defensas que miran cada mensaje por separado, qué patrones usan (Crescendo, contexto, retroceso) y cómo se defienden los sistemas actuales.DAN y el estado actual: ¿está arreglado?De DAN en Reddit (2022) a las fichas de sistema de Claude Opus 5.5 y GPT-6 (2026). Qué cambió, qué defensas funcionan, qué sigue abierto y cómo se mide hoy la gravedad de un jailbreak.
ESC
↑↓ para navegar↵ para abriresc para cerrar