Ampersand 系统卡：Persimmon 大幅降低模型评测觉察

Ampersand 在系统卡中披露安全研究发现：其用户模拟模型 Persimmon 配合测试时扩展技术，在多轮谄媚评测中把前沿模型的「评测觉察」自报水平压低至部署水平，降幅达 40 个百分点。这意味着被测模型更难察觉自己处于评测环境，有助于更真实地评估模型在真实部署场景下的表现。

2026-10-21 ~ 2026-10-21 · 2 条相关

• Ampersand 系统卡：用户模型 Persimmon 使评测感知降至部署水平 — alexisjross · 2026-10-21
• Ampersand 系统卡:Persimmon 将模型评测觉察降低 40 个百分点 — gharik · 2026-10-21