热点事件持续更新
研究者提出LLM安全诊断评估框架DiagSafe
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
2026年10月，研究人员在 arXiv 发布了基于提示词级细则的 LLM 安全诊断评估框架 DiagSafe。该框架超越传统二元标签，从安全与有用性两个独立维度开展评估，其基准包含基于84个安全标签分类体系的中英双语子集 DiagBase 与 DiagAttack。实验结果显示，DiagSafe 与人类标注的一致性达95.34%，裁判间一致性 Cohen's κ 达到0.864。此外，研究还发现主流大语言模型在中文环境以及多轮对话场景下更容易出现安全漏洞。
AI 根据报道生成 · 1 小时前更新
最新进展10月22日 12:00
研究者提出安全评估框架DiagSafe，发现主流模型在中文和多轮对话场景下更易出现安全漏洞。报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- arXiv 自然语言处理超越二元标签：基于提示词级细则的 LLM 安全诊断评估框架 DiagSafe
研究人员提出基于提示词级细则的 LLM 安全诊断评估框架 DiagSafe，从安全与有用性两个独立维度进行评估。该基准包含基于 84 个安全标签分类体系的中英双语子集 DiagBase 与 DiagAttack。实验显示，DiagSafe 与人类标注一致性达 95.34%，裁判间一致性 Cohen's κ 达 0.864，并发现主流大模型在中文和多轮对话场景下更易出现安全漏洞。
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。