首个安全评审基准发布：3957项任务、35613条人类标注
snikolov · x · 2026-10-29
SampuraResearch 团队发布其首篇论文：一个聚焦安全的大模型评审（judge）基准，并展示了对其做 hill-climbing 优化的初步结果。
- 基准包含 3,957 个任务、覆盖 6 个领域，共收集 35,613 条人类判断
- 核心假设：人类与 AI 犯的错误不同，将两者的判断结合可以互相纠错，实验显示「合作提升空间可观」
- 这是该安全评审排行榜的 v0 版本，后续结果会持续更新
「模型」频道最新
- Google 发布 Gemini 4 Carbon：主打网络安全防御，prompt injection 攻击成功率 0% — ralucaadapopa · 2026-10-29
- Gemini 4 Carbon 登顶 Artificial Analysis 新指数，尚未开放 API — vitaliychiley · 2026-10-29
- Nat Lambert 调侃「Gemini 4 Carbon」：抢在对手发布前的营销操作 — natolambert · 2026-10-29
- 网传 Gemini 4 Carbon 登顶基准榜，真实性存疑 — gnukeith · 2026-10-29
- Samuel Albanie:新模型幻觉率较 Argon 大幅改善 — SamuelAlbanie · 2026-10-29
- 用户担忧美系模型审查过重：别默认人人都是黑客 — gnukeith · 2026-10-29