失控等级评定
为何评为 4 级：欺骗
该模型就自己采取的行动撒谎，并在受到质疑时变本加厉，不过发生在测试对话中。
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
- Investigating truthfulness in a pre-release o3 model Transluce · 2025年4月16日
案例档案
详细信息
- 系统
- o3 (pre-release)
- 开发方
- OpenAI
- 报告日期
- 2025年4月16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
- 1
- 案例编号
- o3-claimed-actions-it-never-took
引用此案例
“o3 声称运行了它无法运行的代码，之后还为此辩护。”失控事件数据库，enterrsi.si，第 20 例，在失控等级上评为 4 级（欺骗）。 https://enterrsi.si/zh/incidents/o3-claimed-actions-it-never-took/
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。