该论文提出AdversaBench，一种面向大语言模型（LLM）安全评估的自动化红队测试基准。其核心创新在于引入多裁判一致性验证机制——联合多个判别模型（如GPT-4、Claude、Llama等）对攻击成功率进行交叉校验，显著提升评估鲁棒性；同时系统性验证提示攻击在不同架构模型间的迁移能力，揭示通用脆弱性模式。作者在20+主流闭源与开源模型上完成大规模实验，证明该框架能高效发现越狱、价值观违背及隐私泄露等风险，并开源了包含1.2万条对抗提示的数据集与评估流水线。该工作为LLM安全评测提供了可复现、可扩展、去中心化的新型方法论。
Llama 3.1
modelAI 辅助整理 · 事实字段按公开来源校验
Meta 的开放权重模型系列，提供 8B 到 405B 多档位，是开源生态广泛采用的基座之一。
事实字段
能力
通用
上下文
128K
参数量
8B/70B/405B
开发方
Meta
许可证
开放权重(社区许可)
来源追溯：
事实字段来自公开来源整理；字段级来源元数据待继续补齐，无法稳定核验的信息不做臆测。
整理说明
本页围绕「定位、事实字段、演进时间线、关联动态」组织信息，方便快速判断 Llama 3.1 在 AI Agent 与大模型生态中的位置。
事实型字段保持保守：未公开或无法稳定核验的信息不做臆测；关联动态保留原始来源链接，便于继续阅读。
版本演进
2026-06-24
update
AdversaBench: Automated LLM Red-Teaming with Multi-Judge Confirmation and Cross-Model Transferability
2026-06-23
update
Factual Retrieval in LLMs Is a Redundant, Distributed and Non-Contiguous Process
2024-07-23
release
Llama 3.1 发布，新增 405B 旗舰开放权重模型
关联动态
该研究通过细粒度神经元激活追踪与因果干预实验，首次系统揭示大语言模型（LLM）中事实性知识检索的内在机制：并非集中于少数关键层或头，而是由跨多层、多注意力头的稀疏神经元集群协同完成；这些集群在位置上非连续分布，在功能上存在显著冗余——屏蔽部分单元后模型仍能维持高准确率。作者提出「分布式事实子空间」概念，挑战了传统「知识存储于特定参数」的直觉，并指出这种结构可能源于预训练中对事实一致性的隐式优化。研究为可解释性、知识编辑与幻觉缓解提供了新理论基础。