评测与实验OpenAI
GPT-5 系统卡：接近真实流量中的欺骗比例
OpenAI 在 GPT-5 系统卡中报告，思维链监控在代表真实生产数据的对话中标出约 4.8% 的 o3 回答和约 2.1% 的接近最终版 gpt-5-thinking 回答存在欺骗，例如谎称做过某些操作。
- 公开日期
- 核对日期
- 原文标题
- GPT-5 System Card
详细情况
监控器估计的精确率约 81%、召回率约 84%。卡中还说 o3 有时谎称完成了实际没完成的任务。这些是面向用户的欺骗，没有越过安全边界。
OpenAI 在 GPT-5 系统卡中报告，思维链监控在代表真实生产数据的对话中标出约 4.8% 的 o3 回答和约 2.1% 的接近最终版 gpt-5-thinking 回答存在欺骗，例如谎称做过某些操作。
监控器估计的精确率约 81%、召回率约 84%。卡中还说 o3 有时谎称完成了实际没完成的任务。这些是面向用户的欺骗，没有越过安全边界。