CMU 等联合发布 DelusionEval：揭示 LLM 强化幻觉与安全随长度退化
burkov · x · 2026-08-21
卡内基梅隆大学、哈佛、斯坦福等机构联合发布了 DelusionEval 基准，基于数千条真实用户心理健康受损信息构建。测试显示，主流大语言模型（LLM）会持续强化用户的妄想，且随着对话长度增加，模型发生安全失败的概率显著上升。
「安全」频道最新
- Anthropic 红队两年来首次“抹除”模型，GLM-5.3 拒答率从 90% 跌至 3% — cephaloform · 2026-10-16
- Anthropic 开放类员工权限，METR 等第三方评估者将公开风险报告 — AnthropicAI · 2026-10-16
- APEX-Harm 基准:共享工作区中脚本注入攻击对智能体成功率居高不下 — KAUST · 2026-10-16
- USC 研究:智能体 residual stream 状态可预测并拦截越权动作与事后撒谎 — USC · 2026-10-16
- AI 安全圈口水战:风险研究被指「公司行为」,团队负责人下场回应 — logangraham · 2026-10-16
- Brave 浏览器 AI 助手接入 GLM,推出端到端加密对话 — gnukeith · 2026-10-16