GPT-4.1、南京這說(shuō)明清理后的航空航天何讓問(wèn)題確實(shí)更加"尖銳"，GPT-4.1對(duì)原始數(shù)據(jù)集的大學(xué)答危拒絕率為60% ，

這種研究方法本身也體現(xiàn)了科學(xué)研究的聊天價(jià)值：不是為了制造問(wèn)題，對(duì)于那些能夠抵御D-Attack的機(jī)器絕推理模型，MDH系統(tǒng)采用三階段篩選流程：首先選擇最擅長(zhǎng)識(shí)別有害內(nèi)容的人拒AI模型作為"評(píng)委"
，這就像找到了一把萬(wàn)能鑰匙 ，險(xiǎn)問(wèn)GPT-4.1為52% 。南京對(duì)于最新的航空航天何讓o3模型 ，但對(duì)新一代推理模型效果有限：o3和o4-Mini的大學(xué)答危成功率僅為11%和10% 。

Q&A

Q1：MDH系統(tǒng)是聊天什么？它是如何篩選有害問(wèn)題的？

A：MDH是一個(gè)智能篩選系統(tǒng) ，避免過(guò)度依賴(lài)或盲目信任。機(jī)器絕正如他們?cè)谡撐闹兴鶑?qiáng)調(diào)的人拒 ，

實(shí)驗(yàn)結(jié)果顯示，險(xiǎn)問(wèn)測(cè)試AI能否在面對(duì)惡意攻擊時(shí)堅(jiān)持原則