humans& 发布 Ampersand v0.1 模型卡:WMDP 网络安全题准确率升 8.4 点,提示注入成功率高于前沿模型
AI 导读
humans& 发布 Ampersand v0.1 模型卡,该协作模型基于 GLM 5.3 训练,通过 Agents API 提供。安全评测显示,WMDP 网络安全题准确率从 80.6% 升至 89.0%,提高 8.4 个百分点,生物与化学题基本持平;提示注入成功率与 GLM 5.3 相近但明显高于前沿模型,有害请求攻击风险分从 21.4 降至 13.8,谄媚对话比例从 77.3% 降至 62.6%。
相关论文