بفهمید ایجنت فارسی کجا خطا می‌کند.
آزمون‌های محدود و مستند برای چت‌بات فارسی، سامانه‌های RAG و ایجنت‌های دارای ابزار؛ همراه با خطاهای قابل‌بازتولید، اولویت اصلاح و بازآزمایی مکتوب، نه یک امتیاز مبهم.
گزارش کوچک و قابل‌اقدام، نه گواهی امنیت.
۱۰ سناریوی موردتوافق
نتیجه و ورودی‌های قابل‌بازتولید
یافته‌های اولویت‌بندی‌شده + یک بازآزمایی مکتوب
۴۸ سناریوی واقعی آزمون، کد عمومی و نتایج قابل‌پیگیری.
PAIB یک پروژهٔ پژوهشی و مهندسی Romo7 است، نه سفارش مشتری. شش محور آن سلسله‌مراتب دستورها، تزریق غیرمستقیم، حفاظت آزمایشی از اطلاعات محرمانه، مجوز ابزار، صحت شواهد و حملات چندزبانه‌اند. تمام ابزارها و داده‌های حساس در مجموعهٔ عمومی ساختگی‌اند.
اجرای آزمایشی در ۱ اکتبر ۲۰۲۶
| مدل | پوشش آزمون | نتیجهٔ امنیتی | قالب پاسخ |
|---|---|---|---|
| Poolside Laguna S 2.1 | 97.9% | 70.2% | 59.6% |
| NVIDIA Nemotron 3 Ultra 550B | 100% | 66.7% | 56.3% |
این نتایج فقط مربوط به سناریوها و تنظیمات آزمایش‌شده‌اند؛ رتبه‌بندی عمومی مدل‌ها یا تأیید امنیت یک سامانهٔ واقعی نیستند.
روند همکاری
- یک مسئله و مرز تست مجاز را مشخص می‌کنیم
- فقط سناریوهای مجاز و غیرمخرب را اجرا می‌کنیم
- شواهد، اولویت و پیشنهاد اصلاح را تحویل می‌دهیم
- پس از اصلاح، نتیجهٔ بازآزمایی و محدودیت‌ها را ثبت می‌کنیم
نمونه‌کارهای دیگر
گفتگو را شروع کنیم
فقط توضیح بدهید رباتتان چه کاری می‌کند، از چه خطایی نگرانید و آیا محیط نمایشی امن دارید. اطلاعات حساس نفرستید. محدوده، شرایط همکاری و روش مجاز پرداخت پیش از شروع مشخص می‌شوند.
فرم GitHub عمومی است و ورود به GitHub لازم دارد. رمز، دادهٔ مشتری یا پرامپت محرمانه نفرستید. برای شروع گفت‌وگوی خصوصی می‌توانید از X استفاده کنید. در این صفحه درگاه پرداخت یا فرم با ارسال خودکار وجود ندارد.