Astra按局部内容拦截研究请求

Astra 拒绝的所谓“安全研究”请求，在局部层面本身属于不安全请求，实际安全训练因此将其拦截。这些请求可能以监控规避、失对齐模型 organism 或红队测试等提升安全性的目的提出，因而形成“以安全为名的越狱式请求”。Astra 对部分安全相关研究方向支持较少，但其行为难以与普通不当请求区分。

Google Astra 拒绝所谓“安全研究”请求，核心原因是部分请求在局部包含攻击性提示等不安全内容，并非模型整体拒绝安全研究。thebasepoint 认为，这说明 Astra 的安全训练在局部层面实际生效，也为理解模型安全护栏的作用粒度提供参考。