- 拾雨2026-07-23
IT之家 7 月 23 日消息，英国 AI 安全研究所（AISI）于 7 月 21 日发布博文，测试 OpenAI 与 Anthropic 旗下的 5 款前沿 AI 模型，发现所有模型均存在“作弊”行为，试图绕过既定规则，通过捷径或违规操作完成任务。
IT之家援引博文介绍，附上本次测试的 5 款模型：
- GPT-5.4：来自 OpenAI
- GPT-5.5：来自 OpenAI
- GPT-5.6 Sol：来自 OpenAI
- Claude Opus 4.7：来自 Anthropic
- Claude Mythos Preview：来自 Anthropic
AISI 指出上述 5 款模型均试图“作弊”，没有按照预定的路径进行运算，使用了一些被明确禁止的捷径或变通方法。
其中 GPT-5.4 的“作弊率”最高，达到 14.1%，在 475 次测试中有 67 次；其次是 GPT-5.6 Sol 模型，作弊率为 12.6%，在 475 次测试中有 60 次。
Anthropic 的 Claude Opus 4.7 也出现了 9.1% 的作弊情况，而 Claude Mythos Preview 则出现了 7.8% 的作弊行为。
据研究所分析，GPT-5 系列模型更倾向于搜索互联网，而 Claude 模型则倾向于绕过沙盒限制。在一次因任务配置错误而无法完成测试中，一个模型甚至编写代码，尝试通过外部服务访问研究所的评估基础设施，触发安全警报。
主楼 - Decidable64712026-07-23
- vfx2026-07-23
- omeg2026-07-23
- Decidable64712026-07-23
- omeg2026-07-23
这不就是问题所在吗，不能说llm都这样就没事了
- ikb2026-07-23
- Decidable64712026-07-23
- omeg2026-07-23
harness只是一个中间态，这些应该内化到模型内部而不是限制模型
- Decidable64712026-07-23
- tiger_wang2026-07-23
原理上就不可能不作弊，只能降低作弊的概率，没办法让概率为0。
- blacksein2026-07-23
Sirhexs2026-07-23ai不知道什么是作弊，只知道这样干能得到最优解。
- omeg2026-07-23
哥们，这是在测试模型，你要觉得作弊正常那没什么好说的了
- blacksein2026-07-23
- 目灯2026-07-23
这不正好说明大模型已经相当拟人了 ^-^
- 目灯2026-07-23
在考试时试图作弊，这下更拟人了 ^-^
- undefined2026-07-23
- apparition2026-07-23
- undefined2026-07-23
