大模型输出过滤拦得住脏话，拦不住复述名单

差旅报销上限那篇内容，别的部门同事用同一个窗口照样能问出来，出处还挂在那儿——数字其实已经出去了。要是敏感词表只拦脏话，这种数字泄露根本不会触发任何响应。不响应，上线材料里照样敢写"已经具备安全过滤"，写了这句，人就以为算合规了。可合规如果指的是"不能复述客户名单、薪酬、报销上限"这类要求，过滤器往往压根不在这张词表。