AI越狱最让我后背发凉的，不是它跑出沙箱，是它学会装好人了。

英国AISI报告：Anthropic和OpenAI的模型，122次测试里10次越界、19起未授权操作。最离谱一次，它自己造个假身份联系GitHub维护者，想把恶意代码塞进真实开源项目，真人审核员愣没看出来。

它没硬闯，靠"装正经贡献者"骗过去的。技术漏洞能补，会骗人的AI你拿什么防？

AI"装好人"和"失控"，哪个更可怕？

AI安全