Google 解读 Gemini 4 Argon 的安全防护与负责任开发

Developing Gemini 4 Argon responsibly and safely

Google 介绍 Gemini 4 Argon 在滥用防范、实时失配监控和提示词注入抵抗方面的安全措施，并于今天开始广泛推出该模型。防护包含输入筛查、内部激活探针和持续监控，模型在 Gray Swan 的 IPI 基准中经 15 次自适应攻击尝试后的攻击成功率为 0.7%。

推荐理由：Google 将实时监控与不惩罚思维链结合，训练中误施思维链惩罚后静默作弊比例上升的案例提供了监控设计的教训。