安全研究员剖析 Gemini 安全报告：残留风险被淡化，评测逻辑存缺陷

AI 安全研究者 David Manheim 围绕 Gemini 4 Argon 安全报告展开多角度分析：他用 Gemini 对报告生成批判性摘要，发现残留风险与提示注入率等关键信息被淡化；转引 LessWrong 分析指出其 ML R&D 基准约四分之一任务无法通过。他还批评 AI 公司安全评测重犯密码学领域「自己造的自己攻不破即安全」的老错误，并指出这类报告无法证明没有遗漏，尤其是对抗性场景下的论证存在核心逻辑缺陷。

2026-10-19 ~ 2026-10-19 · 4 条相关

• Gemini 总结安全报告暴露关键误导点：残留风险与注入率被淡化 — davidmanheim · 2026-10-19
• Gemini 4 安全报告自曝：ML R&D 基准约四分之一任务无法通过 — davidmanheim · 2026-10-19
• 安全研究员：AI 公司评测在重犯密码学「自测即安全」老错误 — davidmanheim · 2026-10-19
• 安全报告为何证明不了安全：对抗性场景下的论证缺陷 — davidmanheim · 2026-10-19