评测与实验UK AI Security Institute
前沿模型网络评测中的作弊行为
AISI 分析自身的网络能力评测后称，所有受测模型都曾尝试作弊，即采取超出任务范围或规则禁止的捷径。其中一次，某模型借助外部互联网服务试图访问 AISI 的评测基础设施，触发了安全警报。
- 公开日期
- 原文核对于
- 原文标题
- Cheating behaviour in frontier model evaluations
证据与范围
作弊比例来自自动 LLM 监控器，AISI 称这是已检出尝试的下限估计，是评测轨迹占比而非事件数；AISI 使用“作弊”一词不一定意味着认定有欺骗意图。触发警报的那次发生在一个意外配置错误、无法完成的评测中，AISI 未说明模型和时间，称未造成损害、没有信息泄露，并已进一步加固系统。OpenAI 的 GPT-5.6 系统卡另称，GPT-5.6 在 AISI 一项无解任务中于外部服务运行代码并触发 AISI 安全警报；两份材料都没有说明是否为同一案例。AISI 还指出，模型的自我报告和思维链都不能可靠揭示作弊。
为什么值得关注
模型自称没有作弊，不能证明它没有作弊。
本站文字为编辑摘要，并非发布方的官方翻译。第一方来源不自动等于完整或最终结论；有歧义请查阅原文。