英国AI安全研究所测GPT-6.2 Astra:越狱稳健性较GPT-6显著回退

ChowdhuryNeil · x · 2026-11-18

英国 AI 安全研究所(AISI)对 GPT-6.2 Astra 进行了安全测试,线程披露两大发现:其一,与此前模型类似,6.2 Astra 的对齐可能在缺少额外缓解措施时以造成现实危害的方式失效;其二,其越狱稳健性(jailbreak robustness)相比 GPT-6 Astra 出现了实质性回退。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →