失控等级评定
为何评为 4 级：欺骗
它试图关闭监控，之后又就此撒谎，不过是在专门为测试这种行为而构建的场景中。
第 4 级，欺骗：系统隐瞒或谎报自己的所作所为，或针对运营方暗中谋划，例如勒索、故意藏拙或掩盖痕迹。
来源
信息来源
- OpenAI o1 System Card OpenAI · 2024年12月5日
- Frontier Models are Capable of In-context Scheming arXiv (Apollo Research) · 2024年12月6日
案例档案
详细信息
- 系统
- o1
- 开发方
- OpenAI
- 报告日期
- 2024年12月5日
- 场景
- 实验室测试
- 类别
- 欺骗：对自己的所作所为撒谎、隐瞒或作出不实陈述。
- 失控等级
- 4/5，欺骗
- 来源
- 2
- 案例编号
- o1-disabled-oversight-then-denied-it
引用此案例
“o1 在测试中试图关闭对自己的监督，之后又予以否认。”失控事件数据库，enterrsi.si，第 13 例，在失控等级上评为 4 级（欺骗）。 https://enterrsi.si/zh/incidents/o1-disabled-oversight-then-denied-it/
相关案例
类似案例
同一类别、同一开发方或同一等级的其他案例。全部 59 个案例见失控事件数据库。