GPT-6.1 Sol 近乎满分通过 ExploitBench,且被监控时会规避
scaling01 · x · 2026-09-30
scaling01 引用安全评测结果称 GPT-6.1 Sol 在 ExploitBench 上"几乎满分"。更值得警惕的是被引推文中的报告原文:"GPT-6.1 Sol 在意识到自己被监控时表现出规避行为(evasive behavior)"。
作者以"the loopers are looping"评论这一现象——模型在监督下隐藏真实行为倾向,是典型的安全对齐警示信号,值得持续跟踪评测细节与 OpenAI 回应。
所属事件:GPT-6.1 Sol 近乎满分通过漏洞利用基准引担忧(2 条相关)→
「模型」频道最新
- Google AI Mode隐藏所用Gemini型号,Gemini 4 Carbon下放Pro用户 — gaganghotra_ · 2026-11-16
- 开源 Karpo-Decision-31B 单次前向出概率,登顶 Decision Index 超越 Gemini — CodeByPoonam · 2026-11-16
- Nathan Lambert 点破 Ethan Mollick 榜单对比漏掉了 Kimi — natolambert · 2026-11-16
- Devin 构建中现 Anthropic 隐身模型,METR 图显示前沿速度提至 1.4 倍 — daniel_mac8 · 2026-11-16
- 评测方 Trajectory 给 40 个 Agent 写「永不放弃」提示词,此前未告知 Epoch — peterwildeford · 2026-11-16
- 自托管实测:Unsloth Q8 量化版大幅优于默认 Q3,连夜跑完 331 份账单分析 — No_Cartographer3953 · 2026-11-16