跳到正文

技术方向

安全对齐 最新动态

AI 安全与对齐：越狱与防御、模型行为研究、安全评测与治理框架的进展。

1 条精选近 30 天 1 条共收录 4 条

更新

安全对齐的精选

10月1日周四第 1–1 条
  1. Google DeepMind71

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布前沿模型 Gemini 4 Argon，已通过 Fairwind Program 向部分可信网络防御者推出，并将在未来逐步开放给付费 API 客户和 Google AI Ultra 订阅者。

    推荐理由：原文给出 DeepSWE、AutomationBench 等基准的具体得分和内部代码迁移与内存优化实例，可用于评估该模型在长周期工程和企业任务中的实际影响。