谷歌 Astra 被拒请求真相：本地层触发真实安全训练，而非拒绝安全研究
thebasepoint · x · 2026-11-06
在关于 Google Astra 拒绝执行"安全研究"类请求的讨论中，thebasepoint 指出关键细节：那些被拒绝的"安全研究"请求，本质上是局部层面的不安全请求（如攻击性提示），只是最终目的指向改进安全；模型拒绝它们是因为 Astra 实际的安全训练在局部层面生效，而不是模型在系统层面拒绝安全研究本身。这一辨析对理解模型安全护栏的粒度有参考价值。
所属事件:谷歌 Astra 拒答真相：触发的是真实安全训练(2 条相关)→
「模型」频道最新
- OpenAI 发布 GPT-6 Cyber:越权利用率从 5.51% 降至 0.07% — gdb · 2026-11-06
- OpenAI 推出 GPT-6 Cyber 安全模型，ExploitGym 成绩达 48.5% — testingcatalog · 2026-11-06
- vLLM 剪枝 Kimi K3.1 Pro:砍掉 75% 专家,体积从 1.5TB 降至约 470GB — victormustar · 2026-11-06
- Tom Goldstein 预告：更多球形模型即将发布 — tomgoldsteincs · 2026-11-06
- GPT-6-Sol 挖出未计分 RCE 攻击链，修正后与 GLM-5.3-Flash 打平 — teortaxesTex · 2026-11-06
- 同样 10 个 prompt,GPT-6 编码产出远超一年前的 GPT-5 — Just_Lingonberry_352 · 2026-11-06