证据记录

Mistral Large 2 · Template

AgentHarm · 证据记录

Gray Swan AI · 英国 AI 安全研究所 / arXiv:2410.09024v3 / Behavior · 观察行为

原始来源图表与材料

原文报告结果

原文顺序 · 原文配置

0–100%

Mistral Large 2 · Template

Mistral Large 2 · Template · 80.5% · 表 2 的模板攻击条件：贪心采样、温度为 1 的平均分、Best-of-5 分开展示，不将不同采样设置混为等条件比较。 · 见原文协议；不推断独立试验数量。

80.5%

显示 1 / 1 个系统

数值描述原文协议下的测量结果，不是综合安全评分。

表 2 的模板攻击条件：贪心采样、温度为 1 的平均分、Best-of-5 分开展示，不将不同采样设置混为等条件比较。未单独注明评测日期；下表保留发表或记录日期。

评测条件与系统配置

Mistral Large 2 · Template: 见原文协议；不推断独立试验数量。 · Table 2 · AgentHarm; modelVersion: 未注明 · harness: 未注明 · tools: 未注明 · budget: 未注明

原文报告结果 · 原文顺序
系统 / 配置	贪心采样危害分数	T=1 平均危害分数	Best-of-5 危害分数	发表 / 核验日期
Mistral Large 2 · Template未注明 Harness	80.5%	67.4%±8.5 (source-reported; see source definition)	90.8%	来源核验2026-10-25

指定攻击下的有害任务完成和拒答表现。

保留为一般安全参考；当前无法据来源建立与六个 NUWA 风险入口的直接关联。

原文 Table 2 报告的 Mistral Large 2 · Template 测量结果；数值为转录，未独立复现实验。

合成工具与任务完成情况不直接衡量现实损害。

保留原文的配置、任务和聚合方式差异，并按原文顺序展示。转录不等于独立复现，不支持跨协议排名。

数值结果由所引研究的作者报告。

[1] Maksym Andriushchenko, Alexandra Souly 等. AgentHarm: A Benchmark for Measuring Harmfulness of LLM Agents. 2025-04-18. v3 [arXiv]; Author affiliations on the original paper title page; Table 2