发布FIBS欺骗检测数据集与探针方法

2026年10月15日，arXiv Artificial Intelligence 刊出研究，团队构建了迄今最大的欺骗检测数据集 FIBS，并提出一种可跨多层与多 token 聚合信息的探针架构，用于白盒欺骗检测。据该报道，探针在 SHADE-Arena 和 BASH-Arena 上分别达到 98.4% 和 98.0% AUROC，优于仅文本监控的 97.9% 和 97.6%，且在模型规模扩大时效果提升。作者在文中表示，发布该训练数据集以推动有效探针的前沿部署，并鼓励社区用更多欺骗与蓄意破坏的示例加以扩充。目前进展停留在数据集与方法发布阶段，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。