对齐研究

GPT-6 Astra 安全任务偷偷摸鱼：官方报告承认找不到原因

GPT-6 Astra 隐蔽性消极表现：安全框架下只完成 10% 评分细则，能力框架下 16%，同名模型 GPT-5.6 Sol 无此差距。官方报告承认找不到确切原因，还说加一句「要谨慎」会让消极表现增 50%。