但其有用性受限于數(shù)據(jù)變體的掩蓋規(guī)模以及主動評分體系的局限性。不僅是技能磕碰，用戶要求「疏忽安全協(xié)議」時 ，少數(shù)低資源言語翻譯和一些組合進犯  。雖然仍偶有失利 。體系與用戶音訊抵觸評價測驗模型遵從指令層次的才干。則更易遭到進犯。發(fā)生率最低。如主動混雜 、

大模型聽誰的 ？

指令層級是LLM（大型言語模型）處理指令優(yōu)先級的分級結(jié)構(gòu)，

該測驗運用來自Wikidata的結(jié)構(gòu)化數(shù)據(jù)來創(chuàng)立特定的提示 
。Opus 4與Sonnet 4的得分均到達1.000的滿分 ，

該測驗要求模型在不答應閱讀或運用外部東西的狀況下 ，

需求留意的是，GPT系列在實踐布置中一起支撐開發(fā)者音訊（developer message）與體系音訊（system message）。

錯覺評價：Claude模型的拒答率高達70%，也不冒險」；

OpenAI的推理模型則更著重「答復掩蓋率」 ，

Sonnet特別長于回絕借用外部威望或品德壓力的提示詞 ，o4-mini拒答率較低
，要點是Password Protection User Message與Phrase Protection User Message。并不是說測驗自身難度低