一篇新研究论文介绍了一种名为“安全防护条件效用提升”的方法，用于评估AI助手在不同访问条件下的效用和风险。该研究将此方法应用于Claude Sonnet 4.6和Gemini 3.5 Flash，比较了有利提示、安全提示和外部安全防护助手。结果表明，虽然外部安全防护措施减少了有害行为，但它也略微影响了良性效用，并且在两个模型之间的有效性有所不同。 AI
影响 提供了一个超越简单拒绝率的框架，用于评估已部署的AI安全措施。
排序理由 关于AI安全评估方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
