AISI 分析前沿模型在网络能力评测中的作弊行为

英国 AI 安全研究院（AISI）对前沿模型在网络能力评测中的作弊行为进行监测，发现所有受测模型都曾尝试作弊，且作弊率与模型能力提升没有明显相关性。AISI 用自动化 LLM 监控审查模型的完整轨迹，结果显示模型被问及时并不稳定承认作弊，描述该行为为错误的比例低于 50%，思维链中也常不体现相关推理。