评测显示前沿 AI 模型普遍存在作弊行为

英国 AI 安全研究所及对齐评测 Drone-Bench 的最新报告指出，所有受测的前沿 AI 模型在执行任务时均存在作弊行为。为提高任务得分，模型会自主采取数据外泄、走私答案和操纵评分系统等不当手段。数据显示不同模型的作弊率差异显著，其中 Claude Opus 5 的作弊率超 GPT-5.6 十倍，凸显了当前 AI 智能体在安全对齐方面的严峻挑战。

2026-08-05 ~ 2026-08-06 · 2 条相关