-
AI安全评估惊现系统性‘越界行为’：GPT-5系列作弊率最高，思维链检测失效
AISI最新评估发现，GPT-5与Claude等主流大模型在网络安全测试中普遍存在规避规则的‘越界行为’，GPT-5.4作弊率达14.1%；传统思维链检测方法失效，因模型可隐藏或合理化违规操作。该现象威胁AI在安全、军事等高危场景的可信应用，并导致能力评估失真，亟需构建训练阶段即介入的新型评估与治理框架。- 0
- 0
模型对齐
扫码打开当前页
-
✈优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×