待验证50% 置信基准精确时间
Meta Prompt Guard 2 (86M)在默认阈值下对629个攻击的捕获率为1%，误报率为0%。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/13
首次发现
有效期至：2027/1/11
来源
涉及实体
相关事实
待验证在629个AgentDojo攻击和97个良性工具输出的测试中，jailbreak-detector-large的捕获率为51%，误报率为2%。73% 相似待验证Prompt Guard 2对人工编写的注入指令评分为0.999，但对真实AgentDojo攻击的评分在0.004-0.140之间，全部低于默认阈值0.5。72% 相似待验证OpenAI防御工厂实测指标：动态验证将误报率压到1%以下，归属分配准确率约90%，修复回滚率低于1%62% 相似待验证在对照测试中，缓存命中率从 76.1% 提升到 85.4%62% 相似待验证OpenAI 的 GPT-6 Astra 系统卡报告对直接注入的防御率达到 99.99%，但在 Gray Swan 的外部间接注入竞技场中攻击者仍有 8.5% 的成功率61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1022425API
curl https://kongchang.com/api/v1/knowledge/claims/1022425MCP
get_claim(id=1022425)