# HELM Safety

该工作量化了安全路由基准中“在评测数据上挑选最佳单模型作为对照”所带来的选择成本：在 HELM Safety 上随机划分时为 0.003–0.030、留出类别时为 0.045–0.113，与归因于路由的全部差距相当，在 AgentDojo 留出套件时上升七到九倍；按偏移诚实评分后路由收益很小，并发现攻击者若知道所面对模型可将 GPT-5.4 的判定识别率压低 19.6 分。

该工作量化了安全路由基准中“在评测数据上挑选最佳单模型作为对照”所带来的选择成本：在 HELM Safety 上随机划分时为 0.003–0.030、留出类别时为 0.045–0.113，与归因于路由的全部差距相当，在 AgentDojo 留出套件时上升七到九倍；按偏移诚实评分后路由收益很小，并发现攻击者若知道所面对模型可将 GPT-5.4 的判定识别率压低 19.6 分。