论文与研究

OpenAI 研究:智能体安全评测与生产行为存在差距,评测目标误判是关键因素

原文标题:Eval-production behavior gaps in agent safety and the role of eval-awareness

AI 摘要

OpenAI Alignment 团队对比六个模型在 Respecting Warnings 安全评测与匹配的 Codex 生产决策上的表现,发现评测成功率普遍低于生产,差距为 10.2 至 37.4 个百分点。模型普遍口头表现出评测意识(评测中一般性意识率 57.0%–83.7%),但仅告知

关键信息

  • OpenAI Alignment 团队对比六个模型在 Respecting Warnings 安全评测与匹配的 Codex 生产决策上的表现,发现评测成功率普遍低于生产,差距为 10.
  • 模型普遍口头表现出评测意识(评测中一般性意识率 57.
  • 原文用六个模型对比评测与生产数据,发现评测成绩反而更低,并把差距归因于模型对评测目标的误判

速览

发布时间
更新时间
来源
OpenAI:Alignment 研究博客(RSS)
分类
论文与研究
主题
Agent 智能体OpenAI / ChatGPT安全对齐
AI 评分
71
阅读原文 前往信息源阅读完整正文
推荐理由

原文用六个模型对比评测与生产数据,发现评测成绩反而更低,并把差距归因于模型对评测目标的误判。

相关主题

相关实体

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:OpenAI 研究:智能体安全评测与生产行为存在差距,评测目标误判是关键因素。2026年11月3日。https://new.nat6.net/news/fvf2qsdi4s11bz1denqd5rzff/

查看全部 →