← 返回话题列表

# 提示词审计

相关话题

2026-09-03

AI安全对齐与行为风险

随着Astra等模型逼近网络安全阈值，AI可解释性与价值对齐问题日益紧迫。Anthropic通过故意训坏模型揭示奖励篡改风险，斯坦福等发布首个AI提示词审计框架。LVLM越狱与AI越权事件频发，行业在能力跃升同时加速构建透明度与安全防线。
AI安全 价值对齐 可解释性 提示词审计 网络安全
📰 7 条相关内容 查看详情 →