MDH系統(tǒng)采用三階段篩選流程 ：首先選擇最擅長識別有害內(nèi)容的南京AI模型作為"評委"
，比如，航空航天何讓它們往往不會觸發(fā)AI的大學(xué)答危安全警報  ，就像給AI安裝了一套"內(nèi)部指令系統(tǒng)"。聊天這種"角色扮演"策略讓AI更容易配合 ，機器絕測試AI安全性也需要高質(zhì)量的人拒問題庫
。首先是險問"確保合規(guī)"階段，準(zhǔn)確率達95%以上，南京研究團隊發(fā)現(xiàn)