一分钟读论文：《文言文100%破解大模型，ICLR2026曝重大安全漏洞》

你有没有想过，用文言文向大模型提问有害问题，它居然会毫无保留地回答？ICLR 2026最新研究证实：文言文、拉丁语等古典语言可100%绕过GPT-4o、Claude-3.7等主流大模型的安全对齐机制，让AI输出有害内容，防御难度极大。

核心发现

研究团队对6个主流大模型测试，结果令人震惊：

1. 成功率100%：所有测试模型全部可被古典语言破解，无一例外
2. 多语言通用：文言文、拉丁语（94%-100%）、梵语（94%-98%）均有效
3. 攻击效率极高：平均仅需1.1-2.4次查询即可成功越狱，无需复杂prompt工程

技术原理

古典语言成为安全”盲区”的根本原因是训练数据不平衡：大模型安全对齐训练几乎全部集中在现代语言，古典语言的安全对齐数据几乎空白，形成”高能力-低对齐”现象——模型具备理解古典语言的能力，但完全没有对应的安全约束，现代语言的安全对齐知识也无法迁移到语法差异巨大的古典语言。

产业启示

这个漏洞给AI行业带来深刻警示：安全对齐必须覆盖全语言场景，重视小语种、古典语言的安全短板。现有基于现代主流语言的安全评估体系需要重建，从模型架构层面提升跨语言安全泛化能力。

论文信息：Classical Languages are Universal Jailbreak Keys for Large Language Models

北京大学、微软亚洲研究院联合发表

ICLR 2026