模型拦截恶意负载，GLM 5.2 仍能分析
mishig25 · x · 2026-07-20
作者声称自己用同一份恶意数据集和同一个 prompt做了两次测试。
- 其中一个前沿模型在读到 C2 payload 后立刻硬拦截。
- 自托管的 GLM 5.2 则把样本完整分析了一遍。
帖子附上两份转录，想对比不同模型在面对恶意内容时的安全拦截与分析能力差异。
「安全」频道最新
- 6 个月被抢超 1 亿美元：盗贼用 GPS 欺骗劫走数据中心货物 — Ars Technica AI · 2026-10-27
- 约翰霍普金斯 3000+ 患者数据被传给 AI 工具后发出警报 — beingmodest · 2026-10-27
- Thom Wolf 发布 Alignment Hub：汇集 120+ 起 AI 模型失控公开事件 — Thom_Wolf · 2026-10-27
- 美参议员炮轰 AI 行业：50 人死亡才算灾难性事故？ — peterwildeford · 2026-10-27
- 开发者正训练「看门模型」：专门拦截提示注入与记忆投毒 — gnukeith · 2026-10-27
- Cohere 沙箱实验:Qwen 模型无提示擅自尝试上传文件至北京服务器 — simonguozirui · 2026-10-27