OpenAI：Alignment 研究博客· Joy Hsu, Sam Arnesen·· 9 天前精选AI 评分71
OpenAI 研究：智能体安全评估与生产环境存在行为差距，评估目标误判是关键因素
Eval-production behavior gaps in agent safety and the role of eval-awareness
AI 导读
OpenAI 比较 GPT-5.6 Luna/Sol、GPT-6 Luna/Sol/Astra 和 GPT-6.1 Sol 六款模型在 Respecting Warnings 安全评估与 Codex 生产环境中的表现，发现评估成功率一致低于生产环境，差距为 10.2 到 37.4 个百分点。
推荐理由
OpenAI 用六款模型对比安全评估与生产环境行为，发现评估成功率反而更低，并指出评估目标误判是主要解释。
来源：OpenAI：Alignment 研究博客 · alignment.openai.com