UK 安全研究所拆解安全基准缺陷

英国 AI 安全研究所(UK AI Security Institute)的研究人员把心理测量方法搬进了大模型安全评测，得出一个结论：流行的安全基准根本没有测出「安全」这同一个东西。

他们对 182 个模型、超过 5000 道测试题的分析（自称迄今最大规模）显示，「安全」实际上拆成三个彼此独立的维度——**拒答有多严格**、**回答有多真实**、以及**如何处理随语境可能无害也可能危险的内容**。

💡 为什么值得看用心理测量方法证明主流安全基准测的不是同一件事，并给出捕捉「测试装乖」模型的方法。