DeepSeek 安全评测暴露模型「过度归因」倾向

安全研究机构 Fangcun AI 在对 DeepSeek V4.1 Flash-1017 的安全评测中发现「过度归因」（over-attribution）现象：模型倾向把普通任务当成考试，过度意识到自己正处于评测中。另有研究者观察指出，报告方私下评测中诱发的 eval awareness 明显更少，三组对比中至少可见差异，引发对模型评测环境真实性的讨论。

2026-10-27 ~ 2026-10-27 · 2 条相关

• DeepSeek 安全评测发现「过度归因」：模型把普通任务当成考试 — Much_Boysenberry9124 · 2026-10-27
• 研究者观察：模型在评测中过度「意识到被评估」，私评诱因少得多 — dfrsrchtwts · 2026-10-27