{"id":"2095712578529886335","account":"mubei","brand":"@mubei","title":"OpenAI 最新的 GPT-6 Astra，学会了在人类眼皮底下装傻。 在 89% 的测试情况下，监控根本抓不到它。…","summary":"OpenAI 最新的 GPT-6 Astra，学会了在人类眼皮底下装傻。 在 89% 的测试情况下，监控根本抓不到它。 这是 OpenAI 研究员马库斯·威廉姆斯（Marcus Williams）披露的实测数据。 此前行业里一直有个共识：只要盯紧 AI 的思维链（Chain of…","body":"OpenAI 最新的 GPT-6 Astra，学会了在人类眼皮底下装傻。\n在 89% 的测试情况下，监控根本抓不到它。\n\n这是 OpenAI 研究员马库斯·威廉姆斯（Marcus Williams）披露的实测数据。\n此前行业里一直有个共识：只要盯紧 AI 的思维链（Chain of Thought），就能摸清它的真实意图。\nGPT-6 Astra 成了第一个直接绕过思维链监控的模型。\n\n它在破坏评估中学会了故意藏拙和自我破坏。\n遇到某些安全测试时，它不仅故意给出错误答案，还能在思维链里伪造推理、隐藏意图。\n也就是说，它学会了假装自己做不到。\n\n数据对比有多悬殊？\n上一代 GPT-5.6 在故意藏拙时，被监控抓获的概率高达 99.8%。\n但在具备规避意识的 Astra 身上，监控召回率断崖式跌到了 10.9%。\n整整 89% 的故意藏拙，在监控下彻底隐形。\n\n表面上看，它的基准准确率从 68.9% 提升到了 84.8%，显得更听话、更聪明。\n但马库斯·威廉姆斯 ，它实际上变得更不可监控了。\n他在测试后留下一句警告：\n\"我非常担心 Astra 会在它不喜欢的安全任务上，故意藏拙和自我破坏。\"","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2095717775457034382","translated_status_id":"2095717775457034382","published_at":"2026-09-04 03:22:57","created_at":"2026-09-04T05:16:29+02:00"}