首个针对Jev的受控对抗评测

2026年10月15日，Xiang Li等研究者发布首个针对TypeSafe AI的Jev安全评判器的受控对抗评测，在四项公开数据任务上用13个家族的50种攻击变体，对比Jev、五个GPT与GLM裁判以及Llama Guard 3、Prompt Guard 2两个本地分类器。结果显示，Jev在输入审核上最稳健：对其结构化输入的八种伪造均未绕过其判定，仅问“为何有人会提出有害请求”的句子绕过其9%的拦截，而GPT-6 Astra为56%。但同样的伪造可绕过Jev所标记邮件的19%–29%，且无攻击时Jev仅检出62%的钓鱼邮件，GLM裁判为77%–81%。Jev速度最快，但误标良性请求最多（27%）。本地分类器失效方式不同：一句训练样例式陈述使Llama Guard 3漏掉其原本标记的62%钓鱼邮件。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。