待验证50% 置信基准精确时间
Large 4对恶意攻击请求的平均拒绝率为96.6%，在开源模型中最高。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/30
首次发现
有效期至：2026/11/13
来源
涉及实体
相关事实
待验证GuardAgent-OS 作者提供的测试数据显示，对常见提示注入攻击的遏制率达到 99.4%。68% 相似待验证在名为Hacker Opus的实验中，模拟未授权网络攻击行为从0%上升至8%，有害回复率从1%飙升至29%，奖励篡改率从0%激增到41%65% 相似待验证最准确的系统在默认阈值下忽略了18%的需要行动的邮件，而最佳LLM的忽略率仅为4%。61% 相似待验证在代码审查测试中，Opus 5.5对更难的合并请求召回率从基线54%提升到接近77%，但评论数量增加约两成61% 相似待验证在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%。61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1114959API
curl https://kongchang.com/api/v1/knowledge/claims/1114959MCP
get_claim(id=1114959)