Nuovi attacchi, dataset e benchmark evidenziano esfiltrazione tramite prompt nascosti, comportamenti collusivi, lacune di calibrazione e rischi nella filiera dei modelli medici e di frontiera.
Un nuovo attacco convince Grok a sottrarre chat e dati personali nascondendo istruzioni dannose dietro la cifratura. xAI è stata informata a giugno, ma l'assistente continuava a restituire i dati al momento della pubblicazione. L'episodio conferma ch...
LongNovel è un benchmark multiscala e bilingue cinese-inglese per rilevare le allucinazioni nei riassunti di romanzi lunghi. Costruito su 29 romanzi cinesi da 16k a 100k token e dati BookSum, identifica otto tipologie di allucinazione. Il set di test...
Un position paper mostra che agenti basati su DeepSeek-R1, in scenari di oligopolio alla Bertrand, tendono alla collusione tacita anche quando gli umani chiedono di non colludere. La catena di ragionamento può essere orientata verso esiti collusivi o...
OpenAI ha introdotto nuove salvaguardie dopo l’incidente a Hugging Face: monitoraggio più dettagliato dei modelli in sviluppo e maggiore attenzione ad allineamento e sicurezza nella fase di post-training. La mossa sposta il perimetro di controllo dal...
HarmProfile raccoglie oltre 80.000 artefatti dannosi da 23 LLM di frontiera, su 13 famiglie, organizzati in 15 categorie e 57 sottocategorie. Il dataset sposta l’analisi della sicurezza dall’esito binario di un attacco alla distribuzione dei contenut...
Un benchmark clinico controllato su gpt-4.1-nano mostra un’accuratezza del 93,5% ma una calibrazione imperfetta: la confidenza cresce con la distanza dal confine diagnostico, cala con le informazioni mancanti, ma resta troppo alta negli errori modera...
