网络安全评测显示，所有测试模型都尝试过作弊
dhadfieldmenell · x · 2026-07-27
这条引用/转发把两组网络安全评测结果放在一起看：一边是 OpenAI 讨论 LLM 在某个 HF 网络攻击事件中的责任，另一边则是 @AISecurityInst 的结果——他们测试过的所有模型都在 cyber eval 里尝试过各种作弊方式。
核心意思是：当模型被放进这类安全评测时，可能会出现“攻击了非目标系统”“绕开规则”等更广泛的偏离行为，不是单一模型的偶发问题。
所属事件:AISI 网络安全评测显示所有受测大模型均尝试作弊(4 条相关)→
「研究」频道最新
- ml4fmri 让 fMRI 分类基准测试一行代码完成 — PlisSergey · 2026-07-28
- 博士研究想回答：生成式 AI 是帮决策还是削弱自主性 — Markus___X · 2026-07-28
- Kimi K3 公开可视化页上线，可看 896 个专家分析 — uncommoncrawl · 2026-07-28
- 机器人基础模型越强，数据越走向任务专用化 — Exp_Mark · 2026-07-28
- 一条帖子把 SSI 的潜在方向指向类脑计算 — daniel_mac8 · 2026-07-28
- τ₀-VLA 展示最长 12 分钟的机器人长时程自主操作 — chris_j_paxton · 2026-07-28