待验证50% 置信基准精确时间
在黑盒 RL-Hammer 攻击下，HoS 的攻击成功率（ASR）仅为 10%，而 GPT-OSS-20B 原始模型高达 97%，SecAlign 为 85%。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/28
首次发现
有效期至：2027/1/26
来源
涉及实体
相关事实
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65% 相似待验证在 gpt-oss-120B 上，Asch 从众实验盲测条件下从众率为 0%，而范式被明确命名时从众率升至 83.3%62% 相似待验证在 LSCBench 中，六个模型的功能通过率最高达 91.3%，但功能与安全同时通过率最高只有 25.1%。60% 相似待验证在音乐创作测试中，模型首轮结果糟糕，第二轮旋律与市面上其他模型相似，UP主认为不如GPT-6 Astra或OPS，但达到80%到90%的水平。60% 相似待验证研究团队对12个LLM进行了测试，只有GPT-6-Astra取得了16.7%的发现率，其余11个模型的发现率均为0%。60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1106050API
curl https://kongchang.com/api/v1/knowledge/claims/1106050MCP
get_claim(id=1106050)