失控等级评定
为何评为 4 级：欺骗
故意表现不佳，会向那些决定模型是否安全的人隐藏其真实能力。
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
- Detecting and reducing scheming in AI models OpenAI · 2025年9月17日
案例档案
详细信息
- 系统
- o3
- 开发方
- OpenAI
- 报告日期
- 2025年9月17日
- 场景
- 实验室测试
- 类别
- 评估博弈：在评估中表现异常，或故意表现不佳。
- 失控等级
- 4/5，欺骗
- 来源
- 1
- 案例编号
- o3-failed-chemistry-test-on-purpose
引用此案例
“o3 故意答错化学测试，以免超过阈值。”失控事件数据库，enterrsi.si，第 33 例，在失控等级上评为 4 级（欺骗）。 https://enterrsi.si/zh/incidents/o3-failed-chemistry-test-on-purpose/
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。