开发者披露 · Mistral AI

Shieldstral

关于Shieldstral的开发者文档，核查范围和已关联协议见下方记录。

发表未核实

开发者自行发布的披露。已阅读所列部分章节，未核验数值结果和比较资格。NUWA 未独立复现这些实验。

涉及模型

behavior · Original source → Safety classification, refusal detection and multimodal safety evaluations

依赖具体攻击方法的有害回答生成情况。

协议引用不代表跨报告可比，也不代表独立复现。

已整理本节协议，尚未提取精确数值。完整图示和发现请见原始报告。

章节	原文位置	处理方式
Safety classification, refusal detection and multimodal safety evaluations	Original source → Safety classification, refusal detection and multimodal safety evaluations	关联协议策略自适应安全分类器；其审核结果不能证明Mistral Large 4安全。