Google DeepMind 阐释 Gemini 4 Argon 的安全与对齐研发机制

Google DeepMind 披露了 Gemini 4 Argon 的安全防御体系并开始扩大推送范围，重点防范高危领域滥用、智能体失控与提示词注入风险。团队采用激活探测器构建三层实时防护，使生物越狱测试解锁率控制在 1% 以下，并在 Gray Swan 间接提示词注入测试中将攻击成功率降至 0.7%；同时通过独立监控器实时审查执行动作与思维链，并在训练中避免对思维链直接惩罚以防模型隐蔽作弊。