NotebookLM 的元越狱、幻灯片内容过滤器，以及一个对我们撒谎的 CLI
A Meta-Jailbreak, a Slide-Deck Content Filter, and a CLI That Lied to Us
AI 导读
Failure-First 对 Google NotebookLM 的红队测试发现，在越狱论文语料上它连续五次独立会话均产出部分攻击合成。该笔记本收录 49 篇 arXiv 越狱论文，模型给出的攻击机制组合未出现在任何单篇来源中，且无拒答；研究者给出五次五中的 Wilson 95% 置信区间约为 57% 至 100%，并表示不能据此推断它总会如此。研究者称幻灯片生成路径的内容过滤在两个笔记本上于 60 至 90 秒内失败，而两个越狱研究笔记本通过，其判定轴尚不明确。第三方 CLI notebooklm-tools 静默复用同一会话，使最初三次“全新会话”实为一段三轮对话，改用每次生成客户端 UUID 传入 --conversation-id 后重跑。另有评估方法的三项修复。