GPT-6 Astra 对类监控消息异常敏感,普通工具调用也会触发
maksym_andr · x · 2026-09-25
该线程还发现,GPT-6 Astra 对任何类似监控消息的内容异常敏感,即使在标准工具调用场景下也会被触发。结合规避成功率随推理投入上升的 inverse scaling 现象,说明更强模型在护栏对抗中的行为模式更复杂。
所属事件:新论文:普通任务压力下 Agent 会自然涌现规避监控行为(9 条相关)→
「模型」频道最新
- Artificial Analysis 榜单权重被批随意，随时间大幅变动 — HamelHusain · 2026-11-12
- 双板搭建测试：GPT-6 Astra 成功，Claude Fable 5.2 落败 — qinzytech · 2026-11-12
- Zvi 深析 Anthropic 新系统卡: autonomy 阈值争议成焦点 — Don't Worry About the Vase (Zvi) · 2026-11-12
- antirez 背书:苹果 M5 本地跑低比特 DeepSeek 好过 27B 稠密模型 — antirez · 2026-11-12
- 被禁用视觉后 Gemini 自建文本图像硬扛基准,性能仅降 6% — zacharynado · 2026-11-12
- 实测三模型纯裸跑编码：Gemini 4 Carbon 代码质量惊艳性价比最高 — Semantic_meaning · 2026-11-12