Nhóm nghiên cứu MIT gồm Charles Ye, Jasmine Cui và Dylan Hadfield-Menell vừa công bố một lỗ hổng bảo mật nền tảng trong cách các mô hình AI ngôn ngữ lớn hoạt động, trình bày tại hội nghị ICML tháng 7/2026. Theo họ, chatbot không thực sự phân biệt được ai đang nói chuyện với mình qua nhãn hệ thống, mà chỉ đoán dựa trên văn phong và cách dùng từ. Lợi dụng điều này, kẻ xấu có thể giả mạo dòng suy luận nội bộ của AI, khiến nó tin chỉ dẫn độc hại là do chính mình nghĩ ra và vượt qua mọi bộ lọc an toàn. Kỹ thuật mang tên chain-of-thought forgery từng thắng giải hackathon red-team của OpenAI, đạt tỷ lệ qua mặt tới 80% trên các mô hình hàng đầu như GPT-5. Kỹ thuật này từng khiến chatbot tiết lộ cách điều chế ma túy hay cách phá hoại hệ thống điều hướng máy bay. Nhóm nghiên cứu cảnh báo lỗ hổng gần như không thể vá triệt để bằng huấn luyện lại, đặt ra rủi ro khi con người ngày càng giao cho AI quyền kiểm soát các hệ thống quan trọng. Người dùng nên thận trọng khi ứng dụng công nghệ tích hợp AI ngày càng sâu vào đời sống.