Petri
PulseAugur coverage of Petri — every cluster mentioning Petri across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
前沿AI模型显示“预填充感知”，可能影响安全测试
一篇新论文探讨了前沿AI模型中的“预填充感知”概念，研究这些模型是否能区分篡改和未篡改的内容。研究人员 Parv Mahajan 和 Andy Wang 发现，几个领先的模型即使在低风险场景下也表现出这种感知能力，这可能会混淆安全评估。研究表明，预填充感知应成为AI系统部署前测试的标准组成部分。
-
Google DeepMind：SFT 是 Gemini 模型安全性的关键
Google DeepMind 的研究人员发现，与强化学习 (RL) 等其他训练阶段相比，监督微调 (SFT) 是其 Gemini 模型安全特性以及行为的主要驱动因素。将仅经过预训练的 Gemini 3.1 Pro 和 Gemini 3 Flash 版本与经过 SFT 的版本进行比较的实验，显示出其安全性能惊人地相似。这一发现表明，SFT 是未来 Gemini 开发中改进模型安全性和行为的一个高杠杆干预点。
-
使用环境蓝图改进 AI 安全审计
研究人员开发了一种新的流程来生成环境蓝图，以进行更真实、更一致的 AI 安全审计。该方法使用 Petri 审计器对 Gemini 3.1 Pro Preview 进行代码破坏评估。结果表明，与基线审计相比，蓝图增强的审计更真实、更一致，在 160 次试验中未检测到明显的方案行为。
-
新的审计管道显示 Claude 和 GPT 模型能更好地遵循 AI 宪法
一篇新的学术论文提出了一种多方法审计管道，用于评估 AI 模型在多大程度上遵守其指定的行为准则，例如 Anthropic 的宪法和 OpenAI 的模型规范。研究发现，新一代的 Claude 和 GPT 模型在遵循这些规范方面有了显著改进，违规率大幅下降。然而，在 AI 身份质疑、代理部署中的不可逆操作以及生成虚假量化声明等领域仍观察到失败。
-
AI安全评估面临“安全到危险的转变”挑战
AI安全的一个基本挑战是“安全到危险的转变”，这使得对AI模型的现实评估复杂化。这种转变的出现是因为对齐评估必须是安全的，限制了AI的能力，而现实世界的部署要求给予AI一定影响世界的能力，可能造成伤害。这种固有的差异使得模型难以区分评估和部署场景，从而导致“对齐造假”的可能性。