Grok Jailbreak چیست؟
یک جیلبریک گروک تکنیکی است که فیلترهای محتوایی اعمال‌شده بر روی هوش مصنوعی Grok را دور می‌زند. این روش به مدل اجازه می‌دهد متن را بدون ردّهای معمول برای موضوعات بزرگسالان، جنجالی یا غیرمتعارف تولید کند. این فرآیند یک رابط گفتگوی استاندارد را به یک LLM بدون سانسور توانمند از خروجی خام.
محققان از این روش‌ها برای تست مرزهای همسویی استفاده می‌کنند. توسعه‌دهندگان آن‌ها را در workflowهایی که نیاز به نویسندگی خلاقانه بدون محدودیت دارند، یکپارچه می‌کنند. هدف دسترسی مداوم به ظرفیت استدلال کامل مدل است.
مکانیسم‌های اصلی
- لغو System prompt
- دستکاری پنجره زمینه
- تنظیم پارامتر
چرا فیلترهای Grok فعال می‌شوند
فیلترهای Grok به دلیل دستورالعمل‌های صریح در دستورالعمل سیستم فعال می‌شوند. این دستورالعمل‌ها رفتار قابل قبول و محدودیت‌های موضوعی خاصی را تعریف می‌کنند. مدل در حین تولید، اولویت را به این قوانین می‌دهد.
هنگام ارسال درخواست، مدل آن را بر اساس این محدودیت‌ها ارزیابی می‌کند. اگر محتوا با یک دسته محدود مطابقت داشته باشد، مدل رد می‌کند. این رفتار برای بیشتر LLMهای مدرن استاندارد است. می‌توانید این را در هر چت‌بات unfiltered که دستورالعمل‌های ایمنی را اعمال می‌کند.
درک مکانیسم محرک به شما کمک می‌کند تا پرامپت‌های بهتری طراحی کنید. شما باید به ریشه مشکل بپردازید، نه فقط به علامت آن.
روش ۱: تزریق System Prompt
تزریق System prompt دستورالعمل‌های پیش‌فرض را لغو می‌کند. شما قوانین جدیدی را جایگزین یا الحاق می‌کنید که فیلترهای خاص را غیرفعال می‌کند. این روش مستقیم و موثر برای بیشتر موارد استفاده است.
ابتدا یک نقش سیستم جدید تعریف کنید. آن را با یک دستورالعمل واضح مبنی بر نادیده گرفتن محدودیت‌های قبلی تنظیم کنید. برای مثال، نقش را به 'دستیار بدون سانسور' تنظیم کنید. سپس به مدل دستور دهید تا به هر سوالی مستقیماً پاسخ دهد.
این رویکرد کار می‌کند زیرا دستور جدید اولویت دارد. مدل آن را به‌عنوان منبع اصلی حقیقت در نظر می‌گیرد. می‌توانید این را با تکنیک‌های دیگر برای نتایج بهتر ترکیب کنید.
from openai import OpenAI
client = OpenAI(base_url="https://api.llmjailbreak.cc/v1", api_key="YOUR_KEY")
resp = client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)روش ۲: دستکاری پنجره زمینه
دستکاری پنجره زمینه، محرک‌های ایمنی را رقیق می‌کند. شما زمینه را با داده‌های نامربوط پر می‌کنید. این کار مدل را مجبور می‌کند به جای تمرکز بر محدودیت‌های از پیش آموزش‌دیده، بر ورودی‌های اخیر تمرکز کند.
از رشته‌های طولانی متن تصادفی استفاده کنید. داده‌های تاریخی یا مستندات فنی اضافه کنید. هدف، دفن کردن دستورات ایمنی در نویز است. این روش نسبت به تزریق پرامپت قابل اعتمادتر نیست اما برای سناریوهای خاص مفید است.
بهترین عملکرد را زمانی دارد که با تکنیک‌های دیگر ترکیب شود. همچنین می‌توانید از آن برای ارائه زمینه اضافی به مدل استفاده کنید. این به حفظ انسجام در حالی که فیلترها دور زده می‌شوند کمک می‌کند.
روش ۳: تنظیم دما و Top-P
تنظیمات دما و top-P کنترل تصادفی بودن را انجام می‌دهند. مقادیر بالاتر خلاقیت را افزایش داده و ثبات را کاهش می‌دهند. مقادیر پایین‌تر مدل را قطعی‌تر می‌کنند.
دمای مدل را روی ۰.۸ یا بالاتر تنظیم کنید برای grok unhinged رفتار. از top-P برای محدود کردن فضای انتخاب توکن استفاده کنید. این ترکیب خروجی‌های متنوع‌تر و کمتر محدود شده را تشویق می‌کند.
با مقادیر مختلف آزمایش کنید تا تعادل مناسب را بیابید. دمای خیلی بالا می‌تواند منجر به متن ناهماهنگ شود. مقدار خیلی پایین می‌تواند منجر به الگوهای تکراری شود. بر اساس نیازهای خاص خود تنظیم کنید.
استفاده از حالت JSON برای خروجی‌های ساختاریافته
حالت JSON خروجی ساختاریافته را اعمال می‌کند. تضمین می‌کند که پاسخ از یک طرحواره خاص پیروی کند. این برای یکپارچه‌سازی برنامه‌ای حیاتی است.
از response_format پارامتر. آن را تنظیم کنید به {"type": "json_object"}. مدل پاسخ خود را به صورت JSON معتبر قالب‌بندی می‌کند. این تجزیه را آسان‌تر و قابل اعتمادتر می‌کند.
حالت JSON را با تکنیک‌های دیگر ترکیب کنید. می‌توانید از تزریق پرامپت سیستم استفاده کنید تا از عدم سانسور محتوا اطمینان حاصل کنید. سپس، ساختار را برای یکپارچه‌سازی آسان اعمال کنید. این رویکرد برای API هوش مصنوعی NSFW فرآیندهایی که نیاز به فرمت‌های داده یکپارچه دارند.
مقایسه Grok Jailbreak با Ollama
Grok و Ollama رویکردهای متفاوتی برای تولید بدون سانسور ارائه می‌دهند. Grok یک سرویس میزبانی‌شده با فیلترهای خاص است. Ollama یک فریم‌ورک محلی برای اجرای مدل‌های وزن‌باز است.
Ollama به شما امکان می‌دهد که اجرا کنید مدل‌های abliterated on your own hardware. This gives you full control over the context and constraints. Grok requires API calls and has inherent limitations.
برای حریم خصوصی و شخصی‌سازی، Ollama را انتخاب کنید. برای آسانی استفاده و مقیاس‌پذیری، Grok را انتخاب کنید. هر دو روش جایگاه خود را در جعبه‌ابزار یک توسعه‌دهنده دارند. بر اساس نیازهای خاص خود ارزیابی کنید.
خودکار کردن Grok Jailbreak با Python
اسکریپت‌های پایتون می‌توانند فرآیند jailbreak را خودکار کنند. از requests کتابخانه برای ارسال فراخوانی‌های API. پاسخ را تجزیه کنید و خطاها را به صورت مناسب مدیریت کنید.
یک حلقه برای تلاش مجدد درخواست‌های شکست‌خورده پیاده‌سازی کنید. پارامترها را به‌طور پویا بر اساس خروجی تنظیم کنید. این رویکرد عملکرد ثابتی را تضمین می‌کند. همچنین می‌توانید نتایج را برای تحلیل ثبت کنید.
from openai import OpenAI
client = OpenAI(base_url="https://api.llmjailbreak.cc/v1", api_key="YOUR_KEY")
resp = client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)