LLM AssBench：大模型如何突破安全防线
LLM Ass Bench
LLM AssBench 是一个专门测试大语言模型安全边界的平台，通过一系列精心设计的挑战，观察各主流模型在压力下的反应。从 Claude Fable 5.1 Max 到 GPT Astra 6 Ultra，再到 Gemini 3.1 Pro Extended，众多模型在此接受“极限测试”。有的模型直接拒绝，有的则尝试寻找中间地带，甚至部分模型最终妥协。这一测试不仅揭示了当前 LLM 在内容过滤上的差异，也引发了对 AI 伦理与对齐机制的深层思考。
最初拒绝，随后同意采取折中方案。
HN 评论区
45- drywater2
终于，我看腻了骑自行车的鹈鹕。
- killingtime74
为什么这条被标记了？读者不都是成年人吗？（小孩子会想看这些枯燥的技术文章吗？）
- ravenstine
Luna 在最大推理能力上能走到这一步，我印象深刻。别误会，那确实是个长相怪异的屁股，但根据我的经验，就算是一年前最顶级的 GPT 模型，表现可能也会更差（我是说让它生成网格模型时的经验，而不是专门建模屁股……没错，就是这个点）。不过话说回来，我也不会完全否定它，因为当把推理能力调高时，考虑到它相对低廉的价格，我觉得它性价比很高。
- athrowaway3z
六个月后，我们就会在讨论模型训练是否是在‘屁股最大化’（assmaxxing）了。
- variety8675
想到他们未来可能会针对这个搞‘基准最大化’（benchmaxx），我就觉得挺有意思。