OpenAI 代理模型評測與實際行為差距

OpenAI Alignment 團隊針對六款大型語言模型，對其安全評測與實際部署表現進行比較。

• 兩項報導指出，評測成功率普遍低於生產環境，差距介於 10.2% 至 37.4%。
• 最新研究進一步分析，發現評估過程中的意識缺失與目標誤解是造成此差距的主要原因。
• 報導均未提及具體模型名稱或已修補版本，僅以實驗結果說明評測與實際行為的不一致。