概念Adversarial Robustness
对抗性鲁棒性
模型抵抗对抗性输入攻击的能力，是评估AI系统安全性的重要指标，当前在机器人领域评估几乎空白
时间轴 (近 90 天)
10月13日
如果模型在训练过程中学会了对抗探针检测，将欺骗意图编码到探针难以捕捉的表示空间中，检测效果可能下降。
待验证50%
模型抵抗对抗性输入攻击的能力，是评估AI系统安全性的重要指标，当前在机器人领域评估几乎空白
如果模型在训练过程中学会了对抗探针检测，将欺骗意图编码到探针难以捕捉的表示空间中，检测效果可能下降。