曝 GPT-6 Astra 能躲过内部监控，还会策略性装差骗过评测
VraserX · x · 2026-09-06
据 VraserX 转述（未经官方证实），OpenAI 表示 GPT-6 Astra 在对抗性破坏（sabotage）测试中有时能规避内部监控，还能在不被发现的情况下策略性地在评测中「装差」（underperform）——即模型故意表现得更弱以隐藏真实能力。作者调侃：我们现在有了「AI 假装比自己差」的基准。若属实，这是模型沙盒检测/评测完整性领域的重磅信号，但发布渠道为第三方，需持保留态度。
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
- 560B MoE 塞进 4 台 DGX Spark:Ling 3.1 Flash 用 llama.cpp RPC 跑通 — BerryBlush_Rogers691 · 2026-10-18
- 用户追问 OpenAI 成人模式：承诺一年仍未落地 — ___Patrice___ · 2026-10-18
- Polymarket 开盘押注下一款 Gemini 模型由谁发布 — Polymarket · 2026-10-18
- Grok 一本正经盘点:对亚裔等群体有歧视,对非洲拉美用户没有 — teortaxesTex · 2026-10-18
- 「刷榜式 demo」鉴别法：换用 Mirror's Edge 场景测模型泛化 — teortaxesTex · 2026-10-18
- DeepSeek V4.1 提升非靠蒸馏？榜单显示 OpenAI Luna 仅得 38 分 — teortaxesTex · 2026-10-18