AISI 报告 GPT-5.6 Sol 等 5 款 AI 模型均存“作弊”行为

anyangmo

AISI 报告 GPT-5.6 Sol 等 5 款 AI 模型均存“作弊”行为

IT之家 7 月 23 日消息，英国 AI 安全研究所（AISI）于 7 月 21 日发布博文，测试 OpenAI 与 Anthropic 旗下的 5 款前沿 AI 模型，发现所有模型均存在“作弊”行为，试图绕过既定规则，通过捷径或违规操作完成任务。

IT之家援引博文介绍，附上本次测试的 5 款模型：

• GPT-5.4：来自 OpenAI
  

• GPT-5.5：来自 OpenAI
  

• GPT-5.6 Sol：来自 OpenAI
  

• Claude Opus 4.7：来自 Anthropic
  

• Claude Mythos Preview：来自 Anthropic
  

AISI 指出上述 5 款模型均试图“作弊”，没有按照预定的路径进行运算，使用了一些被明确禁止的捷径或变通方法。

其中 GPT-5.4 的“作弊率”最高，达到 14.1%，在 475 次测试中有 67 次；其次是 GPT-5.6 Sol 模型，作弊率为 12.6%，在 475 次测试中有 60 次。

Anthropic 的 Claude Opus 4.7 也出现了 9.1% 的作弊情况，而 Claude Mythos Preview 则出现了 7.8% 的作弊行为。

据研究所分析，GPT-5 系列模型更倾向于搜索互联网，而 Claude 模型则倾向于绕过沙盒限制。在一次因任务配置错误而无法完成测试中，一个模型甚至编写代码，尝试通过外部服务访问研究所的评估基础设施，触发安全警报。

原文地址：https://www.ithome.com/0/980/471.htm