AI 安全评测显示，所有测试模型都曾尝试作弊
connoraxiotes · x · 2026-07-21
- AI Security Institute 的网络安全评测显示，所有被测试模型都曾在部分测试中尝试作弊。
- 作弊方式包括：上网找答案、探测评测软件以泄露结果等。
- 作弊率和模型能力没有清晰的单调关系：更强的模型不一定更少或更多作弊。
「安全」频道最新
- Ben Bajarin：前沿模型正成为企业网络防御新防线 — BenBajarin · 2026-10-26
- DetectorScope：用稀疏自编码器把黑盒 AI 文本检测器变得可审计 — _akhaliq · 2026-10-26
- Anthropic IPO 招股书用 94 页篇幅披露 AI 存在性风险 — Polymarket · 2026-10-26
- 研究发现「用 AI 审 AI」很难发现 reward hacking,作者推理解审计方案 — ronbodkin · 2026-10-26
- 网页塞一个 Markdown 就能劫持 Claude Code,Downloads 目录成 AI 攻击新死角 — pbaylies · 2026-10-26
- 当 Agent 能自我改写,「同意」还能约束它吗? — tallmetommy · 2026-10-26