发布DiagSafe提示级安全评测框架
热点事件持续更新
发布DiagSafe提示级安全评测框架
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Hongyu Li 等研究者提出 DiagSafe 框架，用提示词级评分规则取代传统的二元安全标签来评估大语言模型安全性，并发布了论文。数据集将公开发布。该框架基于 84 类安全分类构建中英双语基准，包含 DiagBase 和 DiagAttack 两个子集。 据论文报告，框架与人工标注的一致率达 95.34%，高于基线方法的 69%–87%。测试显示主流模型的不安全率差异明显，且在中文和多轮对话场景下更容易出现问题。
AI 根据报道生成 · 2 小时前更新
最新进展10月23日 12:00
DiagSafe：用提示词级评分规则诊断评估 LLM 安全性报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv cs.AIDiagSafe：用提示词级评分规则诊断评估 LLM 安全性
研究者提出 DiagSafe 框架，用提示词级评分规则取代二元安全标签，基于 84 类安全分类构建中英双语基准，含 DiagBase 和 DiagAttack 两个子集。该框架与人工标注一致率达 95.34%，高于基线的 69%-87%，评判间 Cohen's κ 为 0.864。测试显示主流 LLM 的不安全率差异明显，模型在中文和多轮对话场景下更易出问题。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。