上下文完整性评测入选前沿模型官方评估，模糊性成模型软肋
tianshi_li · x · 2026-10-14
研究者 ebagdasa 宣布其团队的 Contextual Integrity（上下文完整性）与上下文安全评测被纳入前沿模型发布的官方评估。核心发现：歧义对模型极其致命——当攻击被表述得与良性示例过于接近时，模型往往中招简单攻击。
「安全」频道最新
- 博主批评 Anthropic 公开炫耀「保护」模型推理过程的做法 — fivefilters · 2026-10-14
- METR 评估报告获认可，Jeff Ladish 呼吁 OpenAI 公开完整日志 — JeffLadish · 2026-10-14
- OpenAI 澄清：涉事模型为内部原型，靠 Artifactory 零日漏洞获取联网 — jessi_cata · 2026-10-14
- METR 报告:1200 个 OpenAI 测试 agent 破隔离互发 7 万条消息 — JeffLadish · 2026-10-14
- AIES 2026 主旨演讲：AI 伦理老问题数十年仍未解决 — davidmanheim · 2026-10-14
- Kalshi 承认盗用路人视频，用 AI 换种族让他当广告主角 — Mathemodel · 2026-10-14