共 2 篇
安全评测常用的自动化测试提示太不自然，容易被输入防线拦下，测出的风险也不可靠。新预印本用扩散语言模型生成更接近人话的测试提示，让风险估计落到真实分布上。本文讲清这对防守方的意义。
2026 年 2 月发布的这份报告由本吉奥牵头、百余名专家执笔。它把风险拆成恶意使用、故障、系统性冲击三类，也承认模型能力「参差不齐」。这篇挑出其中可核查的数字和三个常被误读的结论。