待验证50% 置信事实精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/10/11
首次发现
来源
涉及实体
相关事实
待验证业界正在探索用攻击成功率（ASR, Attack Success Rate）替代'是否存在漏洞'作为LLM安全评估指标72% 相似待验证METR专注于评估前沿模型是否具备自主复制、欺骗操纵或辅助大规模破坏性行动等高风险能力70% 相似待验证贴近落地的评测应包含多步骤有真实后果的任务链、对过度执行和破坏性操作的惩罚机制、权限管理与可回滚安全测试、面对模糊指令时主动澄清的能力68% 相似待验证评测重心正从模型输出文本的质量转向Agent完成端到端任务的能力，评测维度从单一准确率扩展为包含任务完成率、步骤效率、错误恢复能力、时间开销等多维指标68% 相似待验证METR（前ARC Evals）专注于评估前沿模型的危险能力68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/998830API
curl https://kongchang.com/api/v1/knowledge/claims/998830MCP
get_claim(id=998830)