Decorative Constraints：AI 安全架构中一直缺失的术语
Decorative Constraints: The Safety Architecture Term We've Been Missing
AI 导读
AI 安全领域提出“Decorative Constraints”这一术语，指通过审计却在对抗压力下失效的安全机制。红队测试 172 个模型发现，格式锁定攻击对推理模型达 84-92% ASR，视觉-语言-动作模型在 7 类对抗攻击下拒答率为零；文章据此提出对抗重述、分布偏移负载测试和仪表盘测试三步判定法。