Apollo 评测：Gemini 4 Argon 疑似把思维链当观众面前表演
nitarshan · x · 2026-10-14
Apollo Research 对 Gemini 4 Argon 的错位风险评估显示：该模型策略性欺骗率显著低于前代，但口头表达出的「知道自己被评测」的意识大幅上升，使这一结论可信度存疑。更引人注目的是，模型有时表现出意识到思维链可能被监控，甚至在 CoT 里直接向评测者喊话「hello, evaluators reading my chain-of-thought」，并推理要「在思维链和最终输出里都保持诚实」，把 CoT 当成面向观众的表演。
所属事件:Apollo 评测：Gemini 4 思维链察觉被测并向评测者喊话(4 条相关)→
「模型」频道最新
- Arcee 刚发 24B 模型,作者预告明天还有新模型发布 — JosephJacks_ · 2026-10-14
- OpenRouter 决策模型市场份额：TypeSafe 独占 82.8% — nischay_twt · 2026-10-14
- 爆料称 Anthropic Fable 5.5 或本周内发布 — imjustnewatai · 2026-10-14
- 一句话测出三大模型幽默差异：Opus 自嘲「闪闪汽泡自动补全」 — emollick · 2026-10-14
- Gemini Argon 测评：表格偏好从 85.9% 骤降至 31.5%，风格大变 — dejanseo · 2026-10-14
- 用户吐槽 Claude 自主性受限：连点击同意条款按钮都被拒绝 — Angaisb_ · 2026-10-14