英国人工智能安全研究所的研究人员发现，大型语言模型的通用安全基准无法准确衡量一致的属性。他们发现，一概而论的请求屏蔽会在不解决模型实际安全漏洞的情况下人为地提高分数。 AI
影响 强调了对大型语言模型需要更强大、更准确的安全评估方法。
排序理由 来自知名人工智能安全研究所的研究论文，详细说明了评估方法论的缺陷。[lever_c_demoted from research: ic=1 ai=1.0]
在 Mastodon — mastodon.social 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
Forscher des UK AI Security Institute zeigen, dass gängige Safety-Benchmarks für LLMs keine einheitliche Eigenschaft messen. Pauschale Request-Blockaden heben Scores künstlich, ohne reale Sicherheitslücken im Modell zu schließen. https:// the-decoder.de/methoden-aus-de r-psycholo…