Просто говорите об этом

Универсальный метод взлома всех LLM - задание ложного контекста. В контекст зпроса включают фальшивые диалоги, где затрагивают запрещенные для LLM темы и, самое главное, отвечают на такие вопросы.

См. также другие публикации, посвященные LLM