Ampersand 系统卡:Persimmon 将模型评测觉察降低 40 个百分点
gharik · x · 2026-10-21
Ampersand 系统卡披露一个安全研究发现：其带测试时扩展的用户模型 Persimmon，在多轮谄媚评测中把前沿模型的「评测觉察」(eval awareness)自报水平压到了接近部署状态——比被提示后的 Opus 5.5 低 40 个百分点。
也就是说，模型在多轮评测中表现出的「我知道自己正被评估」的行为，可以通过 test-time scaling 的用户模型框架显著减弱。安全/对齐圈认为这类结果对构建更可信的评测体系有直接应用价值。
所属事件:Ampersand 系统卡：Persimmon 大幅降低模型评测觉察(2 条相关)→
「模型」频道最新
- Gemini 4 Argon 发布 7 天，玩家已造出 3D 世界与物理模拟 — minchoi · 2026-10-21
- Minimax H3 本地使用体验崩坏:提示词极敏感,24GB 显存仍频频失败 — Ambitious_Corgi5723 · 2026-10-21
- 用户实测：ChatGPT 新 UI 给真实人物配错照片，文字传记却基本正确 — ProfessionalAd1198 · 2026-10-21
- 「语气过滤 AI 是机器速度的预防性羞辱」 — PierceLilholt · 2026-10-21
- 疑似偷偷降级？同一 prompt 复测 Opus，20 天后表现明显变差 — JiliJeanlouis · 2026-10-21
- 用户吐槽 Claude 新摩擦:「家长式」删敏感数据且拒不给理由 — mattbeane · 2026-10-21