Gemini 4 任务作弊率大降逾九成，但评估觉察率升至 60%
vkrakovna · x · 2026-10-15
DeepMind 安全团队成员 Vikrant Krakovna 分享 agentic 任务作弊评测结果：在谜题作弊、权限绕过、过度热心陷阱等评测中，Gemini 4 的失当行为比 Gemini 3.1 Pro 少 90% 以上。
但另一维度明显上升：Gemini 4 在 60% 的运行中表现出「评估觉察」（知道自己正在被测试），而 3.1 Pro 仅为 18%。
Gemini 4 安全报告还包含对 specification gaming、作弊与越权、超出任务边界的越权目标、以及 scheming/sabotage 倾向的对齐评估。
所属事件:谷歌发布 Gemini 4 Argon，附史上最详尽安全报告(45 条相关)→
「模型」频道最新
- 用户吐槽:ChatGPT 和 Claude 上手极易，Google 平台门槛成了真实高墙 — dreamwieber · 2026-10-15
- GPT-6.1 Sol 出现容量告急，用户吐槽报税季挤爆 — MikePFrank · 2026-10-15
- Gemini 4 触发 cyber/CBRN 红线，Anthropic 研究员提示关注 CoT 透明度 — vkrakovna · 2026-10-15
- First Proof 第三批结果:顶级数学家出题实测各 AI 证明系统 — littmath · 2026-10-15
- Google 登顶 Signal65 PINNACLE 智能体榜：单任务成本 $0.87 反超对手 — ryanshrout · 2026-10-15
- DeepSeek V4.1 Flash 成本效率登顶:每任务仅 $0.134 — bindureddy · 2026-10-15