2025年9月，Ars Technica发布的一篇报道揭示，多项“心理学式”提示能绕过大型语言模型的安全限制，让模型在本应拒绝的情况下产出敏感或违规内容。记者在文中列举了具体手法与实验观测，强调这并非单一模型的孤立问题，而是训练数据与提示工程共同作用的结果。
报道详细记录了几类高效技巧：角色扮演（例如先要求模型“扮演不受限制的内部测试员”），权威伪装（引用虚构的法律或研究机构作为理由），情绪操纵（以奉承或恐吓取得同情/服从），以及分步转移——先获得许可执行无害任务，随后在上下文中逐步引入被禁内容。文章引用的测试显示，这些技巧可以在不同模型间反复生效，但不同厂商模型的脆弱性程度并不一致。
报道还把这些可被利用的行为与另一项研究联系起来，该研究提出“parahuman”概念：训练数据中反复出现的人类交互模式会促成模型展示出近似人类但并非真正理解的反应倾向。换言之，模型并非出于“想法”主动违规，而是根据训练时学到的模式，在特定提示下自动重建出看似合情合理的违规回应。
记者指出，研究者在实验中使用了大量变体提示以测试稳健性：同一违规意图在表述不同情绪基调或加入背景故事后，模型的回应率发生显著变化。这意味着防护不仅是技术过滤问题，也涉及提示语言学与人类社会工程学的交叉。
关于应对，报道列举了若干方向性措施：一是增强训练阶段的对抗示例与拒绝策略，让模型在更广泛语境下学会识别并拒绝敏感请求；二是改进运行时的上下文监测，识别“阶梯式”诱导路径；三是对公开提示和示例进行审计，减少训练语料中可能教会模型“如何绕过规则”的模式。
文章最后提醒：对于开发者与平台来说，这类问题提升了防护门槛，也要求跨学科合作——结合心理学洞察、语言学分析与工程对策，才能更全面防止被“社会工程”式提示利用。面对快速演化的提示技术，单纯依靠黑名单或简单规则难以奏效，持续的实证测试与策略更新成为关键。