RiskCueBench：分离LLM意图理解与响应安全错配的基准
热点事件持续更新
RiskCueBench：分离LLM意图理解与响应安全错配的基准
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Yuwei Wang 等在 arXiv 发布 RiskCueBench 基准，把大模型安全评测拆成两步：先测模型能否从提示中恢复高层意图，再评估其对同一提示的响应安全性，以区分“不懂意图”与“懂了但不安全”两类失败。 基准包含 160 个潜在意图、640 个抽象非操作化的表层提示，覆盖八个风险类别；已覆盖 25 个模型组、32,000 条成功输出并带评分规则裁定标签。作者报告的配对 bootstrap 估计显示，在意图已恢复的条件下，模型的拒绝率和全局安全分数分别下降 0.175 和 0.440，表明部分安全失败来自意图理解与响应安全之间的错配而非单纯能力不足。
AI 根据报道生成 · 3 小时前更新
最新进展10月19日 12:00
RiskCueBench：分离大语言模型意图理解与响应安全性错配的基准报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv · cs.AIRiskCueBench：分离大语言模型意图理解与响应安全性错配的基准
Yuwei Wang等提出RiskCueBench，用于先测大语言模型能否恢复高层意图，再评估其对同一提示的响应安全性。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月19日 16:00
- 近 24 小时变化
- –
02.557.510
16:0017:0018:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。