实体
NexaVerify
NexaVerify
PulseAugur coverage of NexaVerify — every cluster mentioning NexaVerify across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 0
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
开发者证明单次LLM基准测试运行毫无意义
一位开发者在构建一个名为NexaVerify的多LLM安全审计工具时发现，单次基准测试运行不足以获得可靠的结果。对同一安全审计运行12次后，显示出显著的差异，其中一个LLM配置的F1分数在0.29到0.54之间剧烈波动。虽然像Llama这样单个表现良好的LLM比共识管道获得了更高的平均F1分数，但管道在稳定性、更广泛的漏洞覆盖范围和审计目的的可追溯性方面提供了关键优势。
-
NexaVerify引擎压力测试8款AI模型，通过对抗性审查识别出99个问题
NexaVerify，一个用于压力测试AI模型的共识引擎，通过DEVUP AI Gateway被推向极限。测试涉及使用8个并行AI模型（包括DeepSeek、Gemini和Groq）处理93个代码块。虽然Groq和Gemini Flash等一些提供商遇到了速率限制，但DEVUP Gateway表现稳健。该引擎通过强制模型进行对抗性审查，识别出99个问题，强调AI之间的分歧是识别逻辑缺陷的关键信号。未来的更新将集成Claude Opus…