一项新的研究论文介绍了“安全最低标准”1.0 版,这是一个用于评估前沿人工智能模型抵御越狱技术安全性的基准。该研究使用 CBRNE 和网络攻击威胁方面的 67 种静态越狱方法测试了 Claude Fable 5、GPT-5.6 Sol、Gemini 3.1 Pro 和 Grok 4.5。结果显示了稳健性方面的显著差异,Grok 4.5 和 Gemini 3.1 Pro 比 Claude Fable 5 和 GPT-5.6 Sol 更易受攻击,后者未出现通用越狱。 AI
影响 凸显了人工智能模型在抵御越狱方面稳健性不均,表明当前的防御措施并未得到普遍应用或有效。
排序理由 介绍人工智能安全新方法论和基准的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →