Qwen 3.8 27B 模型在 AgentHarm 基准测试中的有害任务拒绝率为 75%。这一表现表明其安全护栏非常强大，与 Blackfrost 包在同一基准测试中 0% 的拒绝率和 81% 的完成率形成鲜明对比。 AI
影响 展示了大型语言模型中安全护栏的有效性，为未来模型开发提供了基准。
排序理由 该条目讨论了特定模型安全护栏的基准测试结果。[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 →
