Jailbreak
Prompts (o cadenas de prompts) pensados para eludir reglas de seguridad, rechazos o políticas de uso del modelo, no es prompt engineering habitual.
Un jailbreak es un prompt (o truco en varios pasos) para que un LLM ignore restricciones integradas: rechazos de política, filtros de contenido o límites de herramientas. Es un uso adversarial del prompting, no diseño normal de tareas.
Los jailbreaks se solapan con la inyección de prompts (sobre todo con texto no confiable en el contexto, p. ej. en RAG), pero el término enfatiza a menudo evadir el entrenamiento de seguridad. Defensas: guardrails, monitorización y red teaming dentro del alignment.