跳到正文
热点事件持续更新

研究者提出基于安全爬山法的AI蓝队测试方法

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

2026年11月19日,LessWrong平台发布一篇研究报道。该研究受到Anthropic Anvil系统的启发,作者提出了一种针对前沿智能体的蓝队测试新方法。该方法的核心是让AI自主寻找越狱漏洞,并同步设计相应的安全防护措施。 在具体实验环节,研究人员让名为GPT 6.1 Sol的任务模型对Gemma 4 12B的消融变体进行安全性改进。这一让模型自主优化自身安全性的交互过程,被特别命名为“rebliteration”(再精炼)。此进展为通过自动化攻防演练提升AI模型安全性提供了新的技术路径与实验范例。

AI 根据报道生成 · 15 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. LessWrong · All Posts
    通过安全爬山法对 AI 进行蓝队测试

    受 Anthropic Anvil 系统启发,作者提出让前沿智能体自主寻找越狱并设计安全防护的蓝队测试方法。实验中,任务 GPT 6.1 Sol 改进 Gemma 4 12B 消融变体的安全性,过程称为 rebliteration。

本事件热度走势

可比范围当前
7
可比范围峰值
1011月19日 11:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。