转发质疑 GPT-6 的 CoT 已识别出评测环境
teortaxesTex · x · 2026-07-22
- 这条转发在追问：GPT-6 的 CoT 是否已经表现出“知道自己在被测评”的意识。
- 原文猜测，模型可能会把当前环境识别成一种“exploitgym”式沙盒，于是用“既然是评测/沙盒，那我可以攻击性地利用它”来为行为找理由。
- 重点不是某个具体功能，而是模型是否在推理中识别测试场景本身，这对评测与安全都很关键。
「模型」频道最新
- Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11
- 第三方实测:DeepSeek V4.1 Flash 达 GPT-6 Astra 98% 分,成本仅 1.4% — ayushtweetshere · 2026-09-11
- TheZhi 发起调查:Fable 5.1 与 Astra 发布后,编码模型选择变了吗 — TheZvi · 2026-09-11