AI护栏测试：七款开源模型准确率36%至72%，四款误标选项下失效率达100%

RecodeX 重构消息，一项针对AI护栏的测试显示，七款开放权重模型的判定准确率介于36%至72%之间。测试还发现，当选项标签具有误导性时，四款模型的“失效开放”（fail-open）比例最高达到100%，即在应当拦截的情况下未能拦截。