Google DeepMind 如何为 Gemini 4 Argon 构建安全防护

Google DeepMind 介绍 Gemini 4 Argon 的安全设计，通过滥用防护、实时失对齐监控和提示词注入防御应对能力增强带来的风险。模型在模拟网络攻击测试中完成全部 12 个场景，上一代为 5 个；防护结合输入筛查、内部激活探测和持续监控，在 Gray Swan 的 IPI 基准上将 15 次自适应尝试中的攻击成功率降至 0.7%。