大模型恶意指令评测标准

大模型MaliciousInstruct评测的核心结论是：该评测体系通过构建包含越狱攻击、敏感信息泄露及恶意代码生成的多维指令集，全面量化了大语言模型的安全对齐能力，2026年行业数据显示，头部模型在MaliciousInstruct基准测试中的安全评分普遍超过90%，标志着AI安全防御已从“被动过滤”转向“主……