一个名为ARMOR 2025的新基准已被开发出来，用于评估大型语言模型（LLM）在军事安全和法律原则方面的表现。该基准测试了21种不同的LLM，并揭示了显著的安全漏洞，这些漏洞通常不会被以民用为中心的评估所识别。另外，一种新的检索增强生成（RAG）方法已被提出，据称该方法可以绕过对传统向量数据库的需求，可能扰乱这些技术的现有市场。 AI
影响 新的安全基准和RAG方法可能导致在敏感领域中出现更强大、更专业的LLM应用。
排序理由 该集群包含一个用于LLM安全的新基准和一个提出的RAG方法，两者都属于研究范畴。
在 Mastodon — mastodon.social 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
New RAG method ditches vector DB, threatens industry New RAG method ditches vector DB, threatening incumbents. Claim from single tweet, no verification yet. https:// gentic.news/article/new-rag-me thod-ditches-vector-db # AI # ArtificialIntelligence # Tech
ARMOR 2025: Military Safety Benchmark Exposes LLM Gaps Across 21 Models ARMOR 2025 benchmark tests 21 LLMs against military legal doctrines, revealing critical safety gaps that civilian benchmarks miss. https:// gentic.news/article/armor-2025 -military-safety # AI # ArtificialInt…