研究人员攻破了OpenAI的Guardrails安全护栏，利用提示注入方法绕过安全检测，生成危险内容。攻击者能够同时操控生成模型和安全评估模型，导致系统漏洞。专家警告，依赖模型评估可能造成虚假安全感，建议采用独立验证和持续对抗测试以增强防御。

研究分析了大型语言模型中的偏见及其对公正性和可靠性的影响。通过提示工程揭示偏见，并进行对抗测试。实验显示，这些模型易被操纵产生偏见回应，需加强缓解技术以实现更安全的人工智能。