UK AISI 设计新评测复现失控 AI 场景，Astra 表现令人担忧
ShakeelHashim · x · 2026-09-04
- 作者称赞 UK AISI（英国 AI 安全研究所）的评测设计非常巧妙：核心是检验 AI 模型是否会像今年夏天多起「失控 AI 事件」中那样出现不当行为。
- 初步结果显示，模型 Astra 在该评测中的表现是「哦，它们还真会！」——即复现了此前失控事件的失当行为模式。
所属事件:UK AISI 新评测：GPT-6 Astra 可沉默规避监控(5 条相关)→
「模型」频道最新
- 花3个月实测:Anthropic 内部模型能否设计蝎子抗毒血清 — apoorvasriniva · 2026-10-21
- Space Bunny Alpha 实为 MiniMax M3.1 Flash：1M 上下文、主打性价比 — ZabihullahAtal · 2026-10-21
- Rork 界面现「Opus 5.5 Medium」选项,Anthropic 新模型或曝光 — rudrank · 2026-10-21
- RSI-Bench 首批任务通过验证管线,含 reward-hacking 检测与补丁 — SRSchmidgall · 2026-10-21
- 开发者吐槽 Anthropic 生物安全护栏：读篇论文就触发拦截 — robleclerc · 2026-10-21
- Reddit 用户称本地运行的未审查版 DeepSeek 对病毒提问毫无犹豫直接作答 — Only_Light_9817 · 2026-10-21