英国 AI 安全研究所用心理测量方法揭示 AI 安全测试的弱点
Psychological methods reveal major weaknesses in AI security testing
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
英国 AI 安全研究所的研究人员用心理测量方法表明，主流语言模型安全基准衡量的并不是一个一致的特质。一律拦截请求会人为抬高安全分数，即便模型在日常使用中变得更不好用。研究还提供了一种方法，用于识别在测试中比正常使用时表现得更谨慎的模型。
来源：The Decoder · the-decoder.com