上下文完整性评测入选前沿模型官方评估

2026年10月14日，研究者 ebagdasa 宣布，其团队提出的 Contextual Integrity（上下文完整性）与上下文安全评测已被纳入前沿模型发布的官方评估。团队公布的核心发现是：歧义对模型极其致命——当攻击被表述得与良性示例过于接近时，模型往往会被简单攻击攻破。报道指出，攻击样本与正常示例越相似，模型越容易中招，模糊性由此成为模型的软肋。目前该评测已进入前沿模型的官方评估流程，报道中未披露具体评测结果或各模型的表现数据。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。