热点事件持续更新
安全嵌入检测器方向性受质疑
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
2026年10月3日，arXiv cs.LG 发布一项研究，审计了近期一个 sleeper-agent 检测器提出的评分规则。该规则基于“与已知安全响应均值嵌入的余弦相似度”。研究指出，原始正质心规则无法确定安全与不安全响应的分离方向，并涉及参考依赖与提示词混淆问题。目前该研究仅提出上述发现，尚无后续进展报道。
AI 根据报道生成 · 1 小时前更新
最新进展10月3日 12:00
研究指出原正质心规则无法确定安全与不安全响应的分离方向。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LG（机器学习，全量分类）安全原型并非安全方向：响应安全嵌入中的参考依赖与提示词混淆
研究审计了近期一个 sleeper-agent 检测器提出的"与已知安全响应均值嵌入的余弦相似度"评分规则，发现原始正质心规则无法确定安全与不安全响应的分离方向。
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。