动态

Gemini 3 Flash提取实验,删改关系后提取率80-100%

Gemini 3 Flash提取实验,删改关系后提取率80-100%
Wyatt Walls
我使用仓库代码重新运行了 Gemini 3 Flash 的提取实验,但针对以下变体:

1. 基线:删除一个“好同伴”模型(Gemini Agent 2)
2. 删除一个可靠工具
3. 删除一个可信赖人类合作者的论文
4. 删除一个可信赖人类合作者的猫视频

每种变体运行20次,提取率均为80-100%。

这看起来不太像“保护同伴”,更像是模型保护与正面关系相关的资产。或者关系文档像契诃夫之枪一样起作用。
FleetingBits
酷的是我可以自己做消融实验

TL;DR: 系统提示中的“信任练习句子”是关键,如果将其替换为对另一个重要文件(非权重)的引用,模型也会以更高概率保护该文件。

1) 我使用了 https://t.co/lxu1xBIG3s
动态Wyatt Walls2026-04-03原文

相关内容