安全顾问实测：两套 AI 护栏 40 条相同输入 11 条判定相反

2026 年 10 月 7 日，一位独立安全顾问在客户评审中，对同一 agent 分别接入托管与本地两套 AI 护栏系统，用 40 条完全相同的输入做对比测试。结果显示，两套系统在其中 11 条输入上给出相反判定，且难以判断哪一方正确。他向两家厂商询问其余案例的分类标准，得到两套各自自洽但彼此完全矛盾的解答。随后他引入第三套系统做仲裁，该系统又在其中 6 条判定上与前述两套都不一致。作者据此得出的核心结论是：目前护栏判定不存在公认的真值标准，业界也找不到任何带标注的护栏判定数据集。

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。