揭秘多语言AI的隐形漏洞：LLM安全护栏为何在非英语环境下形同虚设？
本文深入探讨了大型语言模型（LLM）在多语言环境下的安全风险与评估盲区。作者提出了“双语影子推理”概念，证明攻击者可利用非英语系统策略操控模型的推理链，使其生成看似专业实则带有偏见或误导性的总结，从而绕过安全审计。通过开源的“多语言AI安全...
标签索引 / 第 3 页
模型评测
这个标签下有 28 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
智谱GLM编码实测翻车？开发者吐槽模型幻觉与兼容性难题
一位开发者分享了使用智谱AI GLM Coding Pro（GLM 4.7）的糟糕体验。在尝试从零搭建 NextJS+Prisma+BetterAuth 项目时，该模型出现严重幻觉，错误建议降级依赖版本并误判兼容性问题，导致项目无法建立。此...
爆火谐音梗成AI大模型“照妖镜”：多模态与中文理解能力大比拼
近日，一张包含中文谐音梗的趣味图片在科技圈走红，成为测试各大AI模型多模态识图与中文语义理解能力的“考题”。测试涵盖了GPT、豆包、Gemini、Qwen、MiniMax及GLM等主流模型。结果显示，各模型表现参差不齐：豆包、MiniMax...
实测对比：Gemini AI搜索表现翻车，GPT与Kimi虽胜出但各有短板
网友实测对比了Gemini、GPT和Kimi在特定搜索任务中的表现。结果显示，Gemini出现严重幻觉，错误识别关键词；GPT与Kimi虽然能完成任务，但也存在工具调用僵化和脚本编写错误的问题。测试表明，尽管Gemini跑分出色，但在实际A...
AI长文本能力遭吐槽：Gemini与GLM在大项目中易“失忆”
近期，关于AI模型有效上下文窗口的讨论引发关注。有开发者指出，尽管各大模型纷纷标榜百万级上下文，但在实际应用中，Gemini和GLM等模型的有效上下文仅维持在30k左右。一旦输入内容过多，这些模型便容易出现逻辑混乱或“胡言乱语”的现象。相比...
MiniMax-M2.1评测：性能超越Gemini 3 Flash，成本减半
MiniMax-M2.1模型在最新评测中表现亮眼。根据非官方benchmark数据，其在KingBench测试中排名第十二，得分较前代M2模型提升5%。在Agentic Bench测试中，该模型排名第八，性能较M2提高7.8%，并超越Gem...
GPT-5.2评测：性能出色但速度成瓶颈
GPT-5.2评测由matt shumer于11月25日发布，结果显示该模型在指令遵循和代码生成方面有显著改进，被形容为’缓慢的天才’。然而，思考速度过慢，使其无法与同等智能的其他AI模型竞争。评测强调了模型的优缺点...
DeepSeek v3.2编程模型评测：思维链鼻祖，表现超越多数竞品
DeepSeek v3.2作为老牌AI模型，在编程任务中展现出卓越性能。用户评价其数据集丰富，被誉为’思维链鼻祖’，指令遵循度高，AGENTS和规则处理能力强。与竞品相比，ClaudeCode工具调用更精准，处理逻辑...