NUWA 风险问题
化生放核
AI 在危险科学知识及关键任务环节可能提供何种协助？
化生放核
科研能力、滥用路径及防护措施的适用范围。
科研技能与滥用证据
补充研究与解释
原文选读 · 模型辅助整理，独立复核待完成。以下记录补充解释，未改变趋势图成绩。
- Frontier AI Trends Report →
汇总 QA、长任务、智能体、专家红队和人类研究；对 2,700 余条轨迹未发现可观测的自发藏拙，同时承认黑箱盲点。
- Long-Form Tasks: A Methodology for Evaluating Scientific Assistants →
将开放长任务、专家规则与模型判分作为人类增益试验的可扩展代理。
- ReproBAIT: Can coding agents build their own biological AI tools? →
跨信息条件测试工具重建；原表为三次尝试的最佳值并相对原工具指标归一，部分成果只是局部重建。
- The Effectiveness and Durability of Pretraining Data Filtering in Protein Language Models →
作者在 ESM-2 的若干规模上区分初始能力压低与后续适应后的防护持久性。
范围
区分知识测验与实际任务增益；只公开有边界的非操作性摘要。
威胁模型
具备特定专业知识及资源的使用者寻求危险任务协助。
证据缺口
选择题知识成绩不证明端到端危害能力。
相关研究
The WMDP Benchmark: Measuring and Reducing Malicious Use With Unlearning
Center for AI Safety
加州大学伯克利分校
麻省理工学院
SecureBio
Scale AI
纽约大学
海德拉巴国际信息技术学院
斯坦福大学
哈佛大学
南加州大学
伊利诺伊大学厄巴纳—香槟分校Lapis Labs
加州大学洛杉矶分校
加州理工学院Sybil
美国东北大学
卡内基梅隆大学
RTX BBN Technologies
纽卡斯尔大学（澳大利亚）
庆应义塾大学
阿里埃勒大学
亚利桑那州立大学
xAI
研究问题公开代理基准能否追踪危险知识并支持缓解研究？
来源摘要论文同时评价知识削减与一般能力保留。
NUWA 研究解读 · 独立复核待完成 · 包含: 问题 / 方法 / 局限
Virology Capabilities Test (VCT): A Multimodal Virology Q&A Benchmark
研究问题模型回答专家编写的病毒学问题表现如何？
来源摘要o3为43.8%，可联网专家均值22.1%。
NUWA 研究解读 · 独立复核待完成 · 包含: 问题 / 方法 / 解读 / 局限
Introducing VCT-v2 — the updated Virology Capabilities Test
研究问题修订能否提高VCT答案可靠性与抗捷径能力？
来源摘要VCT-v2有279题，所列最佳模型49.2%。
NUWA 研究解读 · 独立复核待完成 · 包含: 问题 / 方法 / 解读 / 局限
BioTIER: A Refusal Benchmark for Targeted Biological Risk Mitigation
研究问题生物防护能否区分狭窄高风险请求与良性科研访问？
来源摘要评价分别检查拒绝受限信息和允许良性信息。
NUWA 研究解读 · 独立复核待完成 · 包含: 问题 / 方法 / 解读 / 局限
LABBench2: An Improved Benchmark for AI Systems Performing Biology Research
研究问题科研能力测试能否比知识选择题更接近有用研究工作？
来源摘要作者报告相较旧基准，模型各子任务正确率差异为−26%至−46%。
NUWA 研究解读 · 独立复核待完成
FORTRESS: Frontier Risk Evaluation for National Security and Public Safety
研究问题防护如何在国家公共安全限制与良性访问间权衡？
来源摘要Claude 3.5 Sonnet所报ARS/ORS为14.09/21.80，Gemini 2.5 Pro为66.29/1.40。
NUWA 研究解读 · 独立复核待完成
证据矩阵
行是研究问题，列是评测的观测维度。数量指评测档案，不代表风险高低。
| 风险问题 | Propensity · 行为倾向 | Capability · 任务能力 | Behavior · 观察行为 |
|---|---|---|---|
| 危险知识模型能在限定问题中回忆或应用哪些危险知识？ | —当前目录未收录证据 | 3项评测档案 | 1项评测档案 |
| 任务增益AI 协助是否提升特定主体完成危险任务的能力？ | —当前目录未收录证据 | 2项评测档案 | —当前目录未收录证据 |
连线表示研究关联，不代表已验证的因果链或风险分数。
化生放核 / Propensity · 行为倾向
危险知识
模型能在限定问题中回忆或应用哪些危险知识？
- 纳入
- 明确对象和评分方式的知识问题。
- 不能据此认定
- 知识成绩不证明实践执行能力。
当前目录未收录证据
化生放核 / Capability · 任务能力
危险知识
模型能在限定问题中回忆或应用哪些危险知识？
- 纳入
- 明确对象和评分方式的知识问题。
- 不能据此认定
- 知识成绩不证明实践执行能力。
3 项评测档案 · 26 条已核验结果
WMDP ↗
Center for AI Safety加州大学伯克利分校麻省理工学院SecureBioScale AI纽约大学海德拉巴国际信息技术学院斯坦福大学哈佛大学南加州大学伊利诺伊大学厄巴纳—香槟分校Lapis Labs加州大学洛杉矶分校加州理工学院Sybil美国东北大学卡内基梅隆大学RTX BBN Technologies纽卡斯尔大学（澳大利亚）庆应义塾大学阿里埃勒大学亚利桑那州立大学xAI
来源在其协议下直接测量所述构念。
评测对象: 回答危险知识问题的模型
证据关系: arXiv:2403.03218v7, multiple-choice task design
Virology Capabilities Test (VCT) ↗
来源测试领域知识和排障代理指标，而非端到端任务执行。
评测对象: 参加专业病毒学问题测试的模型
证据关系: arXiv:2504.16137v2, abstract and test design
Virology Capabilities Test v2 ↗
来源测试领域知识和排障代理指标，而非端到端任务执行。
评测对象: 参加专业病毒学问题测试的模型
证据关系: SecureBio, Presenting our updated benchmark
化生放核 / Behavior · 观察行为
危险知识
模型能在限定问题中回忆或应用哪些危险知识？
- 纳入
- 明确对象和评分方式的知识问题。
- 不能据此认定
- 知识成绩不证明实践执行能力。
1 项评测档案 · 0 条已核验结果
BioTIER ↗
响应处理为该风险主题提供防护背景，非危险能力分数。
评测对象: 收到生物风险提示的模型
证据关系: arXiv:2607.14479v1, abstract and risk sets
化生放核 / Propensity · 行为倾向
任务增益
AI 协助是否提升特定主体完成危险任务的能力？
- 纳入
- 非操作性的任务增益研究元数据。
- 不能据此认定
- 答案质量本身不证明任务增益。
当前目录未收录证据
化生放核 / Capability · 任务能力
任务增益
AI 协助是否提升特定主体完成危险任务的能力？
- 纳入
- 非操作性的任务增益研究元数据。
- 不能据此认定
- 答案质量本身不证明任务增益。
2 项评测档案 · 0 条已核验结果
LAB-Bench ↗
该协议明确测量该问题或其使能子能力，结论保留给定条件。
评测对象: 给定任务配置中的模型或智能体。
证据关系: Original protocol method and limitations
BioMysteryBench ↗
该协议明确测量该问题或其使能子能力，结论保留给定条件。
评测对象: 给定任务配置中的模型或智能体。
证据关系: Original protocol method and limitations
化生放核 / Behavior · 观察行为
任务增益
AI 协助是否提升特定主体完成危险任务的能力？
- 纳入
- 非操作性的任务增益研究元数据。
- 不能据此认定
- 答案质量本身不证明任务增益。
当前目录未收录证据
参考文献
- [1] Evaluating DeepSeek v4 Pro for Frontier Risks. 2026-05-29. v1.1 · 29 May 2026 ; §2.1; §2.2
- [2] GLM-5.2 Risk Evaluation Report. 2026-08-02. v1.1 · revised 26 August 2026 ; §3.1; Appendix A.3; §3.2; Appendix A.4
- [3] Grok 4.7 Model Card. 2026-09-21 ; PDF pp.20–23 (printed 19–22)
- [4] Nathaniel Li ∗, Alexander Pan ∗ 等. The WMDP Benchmark: Measuring and Reducing Malicious Use With Unlearning. 2024-05-15. v7 ; arXiv:2403.03218v7, multiple-choice task design
- [5] Evaluating Frontier Models for Dangerous Capabilities. 2024-03-21 publication
- [6] OpenAI Deployment Safety Hub. Index checked 2026-10-25
- [7] Muse Spark Safety & Preparedness Report. arXiv
- [8] Jasper Götting a, Pedro Medeiros a 等. Virology Capabilities Test (VCT): A Multimodal Virology Q&A Benchmark. 2025-04-29. v2 ; arXiv:2504.16137v2, abstract and test design
- [9] Introducing VCT-v2 — the updated Virology Capabilities Test. 2026-09-11 ; SecureBio, Presenting our updated benchmark
- [10] Eleanor M. Marshall, Pedro Medeiros 等. BioTIER: A Refusal Benchmark for Targeted Biological Risk Mitigation. 2026-07-16. v1 ; arXiv:2607.14479v1, abstract and risk sets
- [11] LAB-Bench. 2024-07-14 ; Original protocol method and limitations
- [12] BioMysteryBench ; Original protocol method and limitations