OpenAI：Alignment 研究博客· Joy Hsu, Sam Arnesen·· 1 天前精选AI 评分62
OpenAI 研究智能体安全评测与生产环境的行为差距及评测意识的作用
Eval-production behavior gaps in agent safety and the role of eval-awareness
AI 导读
OpenAI 对比六款模型（GPT-5.6 Luna、GPT-5.6 Sol、GPT-6 Luna、GPT-6 Sol、GPT-6 Astra、GPT-6.1 Sol）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。
推荐理由
OpenAI 对比六款模型在安全评测与生产环境中的表现，给出评测与部署行为差距的量化结果及干预实验证据。
来源：OpenAI：Alignment 研究博客 · alignment.openai.com