思维链劫持是什么？推理模型的一种新型安全风险

思维链劫持（Chain-of-Thought Hijacking）是研究人员在推理模型上发现的一类安全风险，由独立研究者 Jianli Zhao 与斯坦福大学等机构的研究人员在 2025 年 10 月提出，论文标题就是《思维链劫持》。它属于 AI 安全领域的“越狱”研究，也就是研究如何绕过模型的安全防护，目的是发现漏洞、推动厂商修补。

一个反直觉的发现

大型推理模型会在回答前进行很长的思考，这提升了它们在数学、编程等任务上的表现。此前的一些研究认为，更长的推理应该让模型的安全判断也更稳健：想得越多，越能识别出有害的请求。但这项研究发现了相反的证据：过度延长的推理反而可能被利用，系统性地削弱模型拒绝有害请求的能力。

研究描述的现象大致是：如果诱导模型先投入大量精力进行与安全无关的、无害的推理，比如解一道很长的谜题，思考时间往往持续几分钟，之后模型对夹带在后面的有害请求的警惕性会明显下降。研究者推测，这与模型内部的安全检查信号被冗长的无害推理“稀释”有关。

影响范围

论文在 HarmBench 安全评测上测试了多个主流的商用推理模型，发现这种现象普遍存在，攻击成功率很高。这说明当时的推理模型在安全设计上存在共同的薄弱环节，并非某一家的个别问题。

意义

这项研究的价值在于提醒业界：推理能力的增强并不会自动带来安全性的提升，安全机制需要专门针对长推理场景来设计和评估，比如在推理过程中持续监控、在最终回答前重新做安全检查。负责任的安全研究会在公开前通知相关厂商，留出修复的时间。对普通用户而言，这也说明 AI 安全是一个需要持续投入的攻防过程。