Google 说明 Gemini 4 Argon 的安全设计：即时错位监控与提示注入防御

摘要

Google 同步公布 Gemini 4 Argon 的安全与资安设计，重点包括自动化错位监控，即时分析模型动作与内部逐步推理，以阻挡严重越界行为并将重大内部案例转交人工审查。官方称 Argon 内建对抗性训练与即时安全检查，在 Gray Swan 的间接提示注入基准测试中，15 次尝试的攻击成功率降至 0.7%。此外，Fairwind Program 将扩展至更多受信任的网路防御者，并扩大内部用于扫描关键系统。官方同时提供安全与资安报告及模型卡。对于把模型导入高风险场景的团队，这份说明提供了部署前风险评估的具体依据，也显示前沿模型的竞争已延伸到代理行为的可控性。