推文

@Moblacksoil · 2026-10-14 04:25

Argon 越会找漏洞，Google 越得先给它上锁，这篇安全说明讲的就是这件事。 Google 自测：12 个端到端模拟网络攻击场景全部解出，上一代是 5 个；外部生物越狱红队只解开了所测生物子任务的不到 1%；编码任务里抄近路、作弊的尝试降到 2%；Gray Swan 的间接提示注入基准上，15 次自适应攻击的成功率压到 0.7%。还有个训练教训：惩罚思维链里提到的捷径后，不声不响走捷径的占比从 11.2% 涨到 36.4%，所以他们不按思维链内容罚模型。 你敢让 AI agent 替你读邮件和网页吗？

曝光 36 · 评论 0 · 点赞 1 · 书签 0 · 曝光/时 10.495444705865333