AI 评测高分不等于测对了：微软对比两套框

一个 AI 安全测试拿了 95 分，看着挺唬人。微软团队一查，发现它只是反复过了同一批题，根本没摸到真正的风险边界。

他们搞了个叫 ASSERT 的新框架，专门治这种“通过率幻觉”。做法很直接：先把风险拆成一张白纸黑字的清单，标明什么绝对不行、什么允许。接着照着清单批量造测试题，连打分也按这张表来。这样测出来的不是一堆黑盒聊天记录，而是能一眼看清哪里漏了。

拿它跟另一套主流工具一比，差距立马出来了。第一轮对话里，ASSERT 就能让模型违规 56%，对方只有 15%。而且不管怎么换打分标准，ASSERT 始终稳赢。说白了，评测结果全看你怎么画边界、怎么出题。

所以别光盯着那个总分。比较两个模型谁更安全时，必须死死固定住测试规则和题目。不然你以为自己测的是系统，其实测的只是那套评测方法。