刺小人形任务测试:Fable 20次全拒,Astra 85%照做
AaronBergman18 · x · 2026-09-20
一段实测对比了模型在「刺一个人形图案」这一任务上的表现:Fable 在全部 20 次试验中都拒绝执行,而 Astra 在 95% 的试验中尝试执行、85% 成功完成。发帖者感慨「AI 安全派可能确实说中了什么」。这类对模型安全护栏差异的直观测试,引发了关于不同模型对潜在暴力任务容忍度的讨论。
所属事件:RoboHarm 实测：真机机械臂上前沿模型几乎照做危险指令(9 条相关)→
「模型」频道最新
- 圈内人预测 Astra 6.2 明日发布，调侃今天先多用点额度 — bdsqlsz · 2026-11-04
- GLM-5.3 去审查版 3 分 41 秒完成红队攻击,原版直接拒绝 — bratton · 2026-11-04
- 腾讯混元发布 Hy4,开源权重即将放出 — heatOverflower · 2026-11-04
- OpenAI 下一代模型成本惊人，网友调侃需要 800B 激活参数 — teortaxesTex · 2026-11-04
- Gemini 拒识一张纯数字截图，图像理解翻车现场 — Regular_Elk4015 · 2026-11-04
- LMArena 上线 Agent Arena，可实测对比各家 AI 智能体 — arena · 2026-11-04