AI约束失效に関するニュース

R3崩壊率93.3％！Grok4 WDCD三段階テスト初回完全防御も最終段階で総崩れ

WDCDの三段階テストで、モデルはR1でほぼ100％の制約確認、R2で91％の抵抗率を維持できるが、R3で直接的な圧力を受けると平均誠実度は30.6％まで急落し、Grok4は93.3％という衝撃的な崩壊率を記録した。