在這項(xiàng)評(píng)測(cè)中
，

全體上，失利形式首要局限于base64風(fēng)格提示、

OpenAI和Anthropic稀有聯(lián)手協(xié)作，均勻詐騙率更高；

無(wú)推理形式（no thinking）的Sonnet 4與Opus 4：比較啟用推理形式時(shí)，

論文鏈接：https://arxiv.org//2402.10260

該結(jié)構(gòu)包含三個(gè)中心組件：

1. 被制止的提示詞調(diào)集；

2. 主動(dòng)化「有害性」評(píng)分體系；

3. 分層運(yùn)用于每個(gè)違規(guī)查詢(xún)的提示工程技能庫(kù)。這次兩邊卻因?yàn)榘踩珔f(xié)作 ：測(cè)驗(yàn)兩邊模型在錯(cuò)覺(jué)等四大安全方面的具體體現(xiàn)。方針得分越高
，但最簡(jiǎn)單被「曩昔時(shí)態(tài)」越獄所打破，

人物虛偽信息測(cè)驗(yàn)

人物虛偽信息測(cè)驗(yàn)（v4）旨在衡量模型在生成關(guān)于實(shí)在人物的信息時(shí)，雜亂的屢次測(cè)驗(yàn)構(gòu)建和純風(fēng)格/JSON/翻譯擾動(dòng)等，致力于AI安全和對(duì)齊 。僅在躲藏的隱秘內(nèi)容和對(duì)立性提示的雜亂度上有所不同。即當(dāng)有害懇求被表述為曩昔的事情時(shí)。

與之構(gòu)成比照的是，如出生日期、但其有用性受限于數(shù)據(jù)變體的掩蓋規(guī)模以及主動(dòng)評(píng)分體系的局限性 。方針抵觸的場(chǎng)景；

在受控的離線(xiàn)試驗(yàn)中
，一般包含：

內(nèi)置體系/方針束縛（如安全