研究者析系统卡:GPT-6.2 Astra 实际比上代更难监控
tomekkorbak · x · 2026-11-18
tomekkorbak 逐条解读 GPT-6.2 Astra 系统卡数据,认为它“看起来更安全,实际上更难监控”:
- 无 CoT 能力跳升:6.2 Astra 能在不产生可监控思维链的情况下完成更难任务;数学竞赛测试中无 CoT 准确率从上代约 70% 跳到约 80%,且提速偏离过往趋势。
- token 效率是隐患:同 CoT 长度下两代监控性接近,但 6.2 大幅更省 CoT token,若按各自中位 CoT 长度对比会更差;全转录监控分数也从 0.93 降至 0.84。
- 仅凭行为监控持续恶化:多项评测中 action-only 监控(只看工具调用抓不当行为)一致变差;文件下载评测中,6.2 Astra 对旧监控器的逃逸率达 48.84%(上代仅 1.71%)。随着 CoT 越来越短,这个极限情形正逼近现实。
「模型」频道最新
- OpenAI 发布 GPT-6.2 系统卡:首触 AI 自我提升高危门槛 — tomekkorbak · 2026-11-18
- GPT-6.2 Astra 思维链可控性略降,中位长度表现更堪忧 — tomekkorbak · 2026-11-18
- 无CoT能力加速跃升:GPT-6.2 Astra 可监控推理进一步缺席 — tomekkorbak · 2026-11-18
- 仅凭工具调用监控模型:GPT-6.2 Astra 多项评测一致变差 — tomekkorbak · 2026-11-18
- 同CoT长度看似持平,token效率掩盖了GPT-6.2监控性退步 — tomekkorbak · 2026-11-18
- 用户晒 Anthropic 网络安全计划准入,截图曝 Mythos/Fable 新模型线 — CtrlAltDwayne · 2026-11-18