GateBolt公布提示注入过滤实测结果

GateBolt 发布提示注入过滤产品 Hodor 的秘密泄露测试结果：给聊天机器人设定一个密码，再由 AI 攻击者尝试套取。GateBolt 称，在最谨慎的第 7 级下，Claude Haiku 5.5 在 Gandalf 攻击下的泄露率为 0.0%、在 Mosscap 攻击下为 0.4%；Llama 3.1 8B 则分别为 0.04% 和 1.0%。 测试覆盖 Claude Haiku 5.5（本站 Hodor 所用模型）和 Llama 3.1 8B 两个模型。GateBolt 称，对战模式下每次检查成本低于 0.0001 美元，单条消息运行未记录成本；面向研究者的账户仍在规划中。

AI 根据报道生成 · 15 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。