待验证50% 置信观点精确时间
研究建议安全评估应报告攻击失败的具体方式（忽略或拒绝）以及用户任务是否完成，而不仅仅是ASR。
1
来源数
50%
置信度
长期有效
时效性
2026/10/19
首次发现
来源
被忽略，而非被拒绝：小工具代理低注入成功率背后的真相
rss2026/10/16
涉及实体
相关事实
待验证一份合格的对抗测试报告的核心在于让没有参与测试的安全工程师能独立理解、评估和行动，而不在于罗列漏洞数量。72% 相似待验证安全报告是模型在发布前对潜在风险、能力边界和滥用可能性的系统评估72% 相似待验证触发器攻击成功率(ASR)衡量模型在含触发器测试输入上输出目标类别的比例，是评估后门是否被清除的核心指标71% 相似待验证建议从只读、只提醒的低风险任务起步，验证可靠性后再放开写入权限71% 相似已验证METR（Model Evaluation and Threat Research）等组织正在开发标准化的危险能力测评，包括模型是否能提供超越公开文献的生物合成指导、是否能自主发现零日漏洞71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1065981API
curl https://kongchang.com/api/v1/knowledge/claims/1065981MCP
get_claim(id=1065981)