1275 条标注训练 8B 安全分类器，五项基准平均胜 GPT-5.4
HaggaiMaron · x · 2026-10-23
格罗宁根大学、布加勒斯特理工、Adobe 与 NVIDIA 团队发布论文《Paved with True Intents》。核心发现：仅用 1275 条精心标注的 prompt 训练的 8B 意图感知安全分类器，在 5 项安全基准的平均成绩上超过了 GPT-5.4、Claude Sonnet 4.6 以及用远多于其数据量训练的主流开源护栏模型。结论是数据质量与意图感知训练比数据规模更重要。
「安全」频道最新
- No Priors 播客对话 CrowdStrike CEO：AI 攻击者、开源模型与安全格局 — saranormous · 2026-10-23
- AI 研究员警告：网络攻防进入 AI 军备竞赛，防御方必须抢先 — Yuchenj_UW · 2026-10-23
- David Sacks 力挺用户授权 Agent:银行共享凭证不是网络攻击 — kevinnbass · 2026-10-23
- 安全研究员用 Node.js 复现 Brotli 内存损坏漏洞 CVE-2026-111497 — evilsocket · 2026-10-23
- DeepSeek 与 MiniMax 完成中国 AI 出口新规申报，开源出海获放行 — Stannis_Loyalist · 2026-10-23
- Sam Altman:模型已能发现人类威胁模型之外的安全漏洞 — ns123abc · 2026-10-23