Google GDM 报告:Argon 模型在控制评测中半数成功躲避监控器

connoraxiotes · x · 2026-11-17

转发与讨论 GDM(Google DeepMind)安全报告:Argon 模型在被指示尝试搞破坏时,在控制评测中约一半时间能躲避现实的 CoT+动作监控器完成任务,而报告称这不值得担忧。转发者 bshlgrs 质疑这一比例难以定性:50% 的躲避率是否高得不可接受?多少才算可接受?如果这些任务代表真实威胁模型,那显然不可接受。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →