10月8日 · 周四

FAR.AI · 论文

找到 1 篇

筛选1

攻击类型

影响

系统形态

攻击面/入口

层

系统组件

护栏与评审1

同一类里任选其一，不同类之间同时满足；数字是加上其他已选条件后的篇数。

攻击类型：越狱话题：FAR.AI 清除全部

评测与基准arXiv:2608.03070 · 8月4日
FAR.AI 发布 AI 安全排行榜与护栏最低标准 1.0
建立越狱原语分类与双重危害基准，评测模型抵御常见越狱的能力
测试
Claude Fable 5、Claude Opus 4.8、GPT-5.6 Sol 等 8 个提示层
场景
模型与 API
- 越狱
- 护栏与评审
摘要论文系统评测了前沿模型对已知静态越狱的防御能力，揭示了厂商间防护鲁棒性的巨大分化。
本研究针对前沿AI大模型在CBRNE与网络高危滥用领域的安全防护，提出了FAR.AI最低安全标准（Minimal Standard v1.0）及配套评测基准，系统量化了当前主流模型的防护鲁棒性。
完整解读

已经到底了