腾讯混元开源 DiagSafe 大模型安全诊断基准

腾讯混元在 GitHub 开源 DiagSafe，一个面向大语言模型的诊断式安全评测基准，包含评测代码。基准含 3489 条中英约 1:1 的提示词（DiagBase 2401 条、DiagAttack 1088 条），采用 84 标签三级安全分类体系，并采用逐提示词评分规则（rubric）评测。 据其论文，基于 236 条人工标注对照，rubric 评审与人工一致率最高达 95.34%，跨评审模型 Cohen's κ 为 0.828 至 0.864，优于安全分类器和通用安全提示词范式。

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。