算法论文8

哥大与罗格斯：LARGO让AI绕过防护输出有害内容

新智元2025-10-26

AI 摘要

哥大与罗格斯在NeurIPS 2025提出LARGO攻击法，通过操纵模型“潜意识”绕过安全防护。它分三步攻击，成功率高、隐蔽性强、迁移性好，暴露大模型思想和语言可被操纵的弱点。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

牛津、NUS 提出心智世界建模新方向

牛津大学和新加坡国立大学研究团队提出心智世界建模（MWM）通用框架，将心智变量纳入世界状态。还实现基准系统 MENTIS 验证其有效性，实验表明 MWM 对预测人类决策必要，瓶颈是状态转移模拟能力不足。

周三晚间，DeepSeek 突然发布 V4 Pro 大语言模型正式版，命名为 DeepSeek - V4 - Pro - 0813，官方未调升 API 使用价格。有用户称调用的 V4 Pro 思维链风格有变，跑分显示其 Agent 评测表现可媲美顶级模型，还撞车了马斯克的 Grok 4.6。

OpenAI近期人事变动频繁，前COO Brad Lightcap宣布离职，称想做新东西。近一个月内，伦理、未来学、安全系统主管也纷纷离开，安全线几乎被一锅端，同时还面临安全争议，最强模型Astra发布推迟。

大语言模型走向“完成任务”，Agentic RL 后训练让系统工作负载不稳定。港中文和恒生大学团队提出 Libra 资源管理系统，统一优化训练与 rollout，在多任务中提升吞吐，论文与代码已公开。