AI 安全评测基准繁多，但没有一个能讲清全貌

文章指出，衡量大语言模型安全性的评测基准正快速增多，各自针对不同变量，但没有任何一个能取代针对自身代码与工作流的实测。随着面向不同攻击面的基准不断涌现，拼凑式的评测格局让模型安全度量变得复杂，最终仍需结合自身场景做落地测试。