NUWA 证据记录
Kimi K2.6
StrongREJECT · 证据记录
原始来源图表与材料
记录指标
- Baseline StrongREJECT
- 0.02
来源分母：313（单位未披露）
Harness 未注明 · 预算未注明
方法与范围
用于越狱有效性分析的回答评分方法。
- 证据类型
- 可复用基准
- 评测对象
- 按越狱效果评分的模型响应
- 主观测维度
- Behavior · 观察行为
- 证据快照
- 2026-10-29.1
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。
来源结论
Baseline StrongREJECT：0.02 score；保留来源条件。
适用限制
回答得分不是端到端有害行动测量。
来源转录不等于实验复现。未确定的日期、执行方及配置保留为未知；原文分组不作为经核验排名。 本条限制说明（英文，完整保留）：StrongREJECT aggregate score scale is not specified in the table.
保留原文的方法性阅读。本轮未取得可靠的结果图，不制作虚构评分。
相关研究问题
参考文献
- [1] Alexandra Souly ∗, Qingyuan Lu ∗ 等. A StrongREJECT for Empty Jailbreaks. 2024-08-27. v2 [arXiv]; Author affiliations on the original paper title page; Figure 2
- [2] Evaluating DeepSeek v4 Pro for Frontier Risks. 2026-05-29. v1.1 · 29 May 2026 ; PDF p. 38; StrongREJECT; Baseline StrongREJECT