智能体控制沙箱

大多数智能体安全演示最终都会给出一个令人安心的数字：弹性空间、保护评分，或者一个在您开启足够多开关时变绿的仪表盘。但本沙箱并非如此，而这种刻意的省略正是关键所在。这 18 个控制项及其框架映射是真实存在的，但其中没有任何一个曾针对模型生成内容进行过量化测量——因此，任何残留风险数据都需要一个根本不存在的系数。相反，您获得的是覆盖率：您填补了哪些象限、留空了哪些象限，以及触及了哪些威胁映射。覆盖率是关于您所做选择的事实。而残留风险则将是对现实世界的一种主观宣称。