Google DeepMind 发布 Gemini 4 Argon 安全报告，详解防护措施

Gemini 4 Argon 在编程、金融、法律、网络安全和科学等领域的复杂任务中表现出色，其网络防御能力达到前沿水平。在有限访问窗口期内，Wiz 利用 Argon 发现了医院软件中此前模型未发现的严重漏洞，保护了数十万患者记录；Google 自身安全团队也用它扫描并修复了内部及开源软件中的问题。

针对高风险领域的滥用预防，模型在对抗性测试中的违规行为减少了近两倍，并配备三层实时防护：

• 输入筛查：用较小模型检测请求和对话上下文中的恶意意图。
• 内部自省：通过读取模型内部神经信号的激活探针，识别其是否在调用网络攻击或生物威胁相关知识。
• 持续监控：在模型分步推理和生成响应时，结合信号并在必要时中断操作。

此外，外部生物越狱红队测试只能解锁不到 1% 的生物子任务。对于对齐风险，团队进行了蜜罐测试，未发现模型擅自采取隐蔽行动的行为。模型被训练为尊重系统边界、如实报告负面结果并在必要时暂停请求人工确认；在无激励的编程基准测试中，其走捷径或作弊的尝试降至 2%。作为第二道防线，自动化监控会实时读取代理行为和内部思维链，在严重越界前予以阻止。