研究：越狱易感性主要由预训练运行决定

Chi-Wei Chang 等人在 arXiv 论文（arXiv:2610.34074）中训练了 150 个 1B 模型（25 种数据配方 × 3 个预训练种子 × 2 个后训练种子），发现相同预训练数据和安全训练下，不同预训练种子的模型会被不同的越狱手法攻破。论文称，一个模型被哪些越狱攻破更多取决于其预训练运行而非数据，该模式在全部 25 种数据配方以及 150M 和 300M 参数规模下均成立。 这一结果表明，仅控制数据与安全训练流程并不足以决定模型的安全脆弱性，随机种子本身也带来显著差异。

AI 根据报道生成 · 56 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。