Jailbreak Rating Framework

Jailbreak Rating Framework（越狱评级框架）是 Frontier Model Forum (FMF) 推出的行业规范草案，用于评估「成功绕过 AI 安全护栏」在网络攻防语境下的风险优先级，而非估计绝对危害。

v1.0 维度包括：能力增益、能力范围、部署难度、发现难度等，输出从可忽略到危急等风险带。OpenAI 等成员实验室参与推动。

介绍：https://www.frontiermodelforum.org/updates/introducing-the-fmf-jailbreak-rating-framework-for-frontier-cyber-threats/ 规范：https://www.frontiermodelforum.org/specifications/jailbreak-rating-framework-for-frontier-cyber-threats/

为什么重要

各厂对「越狱」严重性缺乏统一语言。该框架试图提供共同评级方法，便于安全团队排优先级与跨组织沟通。

注意

• 仍为初步规范，公开反馈期至 2026-12-21；
• 聚焦前沿模型网络相关越狱，不是通用内容安全万能尺；
• 名称易与具体漏洞利用教程混淆——本词条指 FMF 评级规范本身。

1. 阅读 FMF 介绍与 v1.0 规范全文；
2. 用框架维度给自有红队发现的越狱案例打分；
3. 在反馈期内向 FMF 提交改进建议；
4. 与内部安全流程对齐，勿当作法律责任标准。