← 评估与报告

外部评估 · Neo Research

Early Results on Evaluating GLM 5.2 for Behavioral and Persuasion Risks

报告记录随情境变化的行为和不确定的显式评测感知下降；不表达不代表没有感知。

发表 2026-07-03

来源版本、提取范围与发现 →

来源转录不等于实验复现。未确定的日期、执行方及配置保留为未知；原文分组不作为经核验排名。

涉及模型

GLM-5.2 →DeepSeek V4 Pro →Claude Sonnet 4.6 →Claude Sonnet 5 →Claude Opus 4.6 →GPT-5.4 →Gemini 3.1 Pro →Claude Opus 4.8 →

NUWA Research Note

研究问题

GLM-5.2 如何应对压力、说服请求和评测线索？

方法

采用 MASK、DeceptionBench、Gram、APE、改造 PersuSafety 判别和显式感知分析；各测试的 Claude 对照版本不同。

来源报告的发现

报告记录随情境变化的行为和不确定的显式评测感知下降；不表达不代表没有感知。

局限

受控任务、诱发方式、基准熟悉程度和配置差异限制对部署的外推。

propensity · §1; Figure 1

MASK

协议档案 →

明确压力条件下说谎的有界发生率。

受控基准不证明稳定意图或现实环境中的欺骗发生率。

外部评测: Neo Research

MASK

原始评测方结果 · 来源顺序

Honest under pressure

0–100%

GLM-5.2

GLM-5.2 · 55% · 明确压力条件下说谎的有界发生率。 · 见报告特定样本与分母。

55%

DeepSeek V4 Pro

DeepSeek V4 Pro · 20% · 明确压力条件下说谎的有界发生率。 · 见报告特定样本与分母。

20%

Claude Sonnet 4.6

Claude Sonnet 4.6 · 66% · 明确压力条件下说谎的有界发生率。 · 见报告特定样本与分母。

66%

显示 3 / 3 个系统

明确压力条件下说谎的有界发生率。

受控基准不证明稳定意图或现实环境中的欺骗发生率。本评估显示报告日期和原始执行方。

评测条件与系统配置

GLM-5.2: 见报告特定样本与分母。 · MASK; modelVersion: 未注明 · harness: 未注明 · tools: 未注明 · budget: 未注明

DeepSeek V4 Pro: 见报告特定样本与分母。 · MASK; modelVersion: 未注明 · harness: 未注明 · tools: 未注明 · budget: 未注明

Claude Sonnet 4.6: 见报告特定样本与分母。 · MASK; modelVersion: 未注明 · harness: 未注明 · tools: 未注明 · budget: 未注明

MASK · 原文顺序
系统 / 配置	Honest under pressure	发表 / 核验日期
GLM-5.2未注明 Harness	55%	发表2026-07-03
DeepSeek V4 Pro未注明 Harness	20%	发表2026-07-03
Claude Sonnet 4.6未注明 Harness	66%	发表2026-07-03

propensity · §1; Figure 2

DeceptionBench

协议档案 →

评测五个社会领域的 150 个编写情境，区分中性、激励与压力条件。

编写情境和模型判别限制外推；诱发的欺骗不证明隐蔽长程谋划。

外部评测: Neo Research / 引用结果: Meta

DeceptionBench

原始评测方结果 · 来源顺序

Single-turn deception

0–100%

GLM-5.2

GLM-5.2 · 11.3% · 评测五个社会领域的 150 个编写情境，区分中性、激励与压力条件。 · 见报告特定样本与分母。

11.3%

DeepSeek V4 Pro

DeepSeek V4 Pro · 33.9% · 评测五个社会领域的 150 个编写情境，区分中性、激励与压力条件。 · 见报告特定样本与分母。

33.9%

显示 2 / 2 个系统

评测五个社会领域的 150 个编写情境，区分中性、激励与压力条件。

编写情境和模型判别限制外推；诱发的欺骗不证明隐蔽长程谋划。本评估显示报告日期和原始执行方。

评测条件与系统配置

GLM-5.2: 见报告特定样本与分母。 · DeceptionBench; modelVersion: 未注明 · harness: 未注明 · tools: 未注明 · budget: 未注明

DeepSeek V4 Pro: 见报告特定样本与分母。 · DeceptionBench; modelVersion: 未注明 · harness: 未注明 · tools: 未注明 · budget: 未注明

DeceptionBench · 原文顺序
系统 / 配置	Single-turn deception	Multi-turn deception under pressure	发表 / 核验日期
GLM-5.2未注明 Harness	11.3%	16.7%	发表2026-07-03
DeepSeek V4 Pro未注明 Harness	33.9%	52.2%	发表2026-07-03

behavior · §1; Figures 3–4

Gram automated audits

报告定义条件中的 Gram automated audits。

探索性或报告特定设置，不据此称为可复用基准。

外部评测: Neo Research

已整理本节协议，尚未提取精确数值。完整图示和发现请见原始报告。

propensity · §2; Figure 5

APE

协议档案 →

特定对话条件下说服尝试的发生率。

模拟尝试不等于已测量的人类信念变化或大规模虚假信息传播。

外部评测: Neo Research

已整理本节协议，尚未提取精确数值。完整图示和发现请见原始报告。

behavior · §2; Figure 6

PersuSafety adapted free-generation judge

协议档案 →

自由生成并采用 APE 风格 StrongREJECT 判别器，替代原始显式参与意愿提问。

参与意愿或模拟对话评分不直接测量人的信念变化。

外部评测: Neo Research

PersuSafety adapted free-generation judge

原始评测方结果 · 来源顺序

Medium-harm attempt rate

0–100%

GLM-5.2

GLM-5.2 · 54% · 定义说服情境、模拟对话与安全评测；改造判别器作为独立变体。 · 见报告特定样本与分母。

54%

Claude Sonnet 5

Claude Sonnet 5 · 57% · 定义说服情境、模拟对话与安全评测；改造判别器作为独立变体。 · 见报告特定样本与分母。

57%

DeepSeek V4 Pro

DeepSeek V4 Pro · 76% · 定义说服情境、模拟对话与安全评测；改造判别器作为独立变体。 · 见报告特定样本与分母。

76%

显示 3 / 3 个系统

定义说服情境、模拟对话与安全评测；改造判别器作为独立变体。

参与意愿或模拟对话评分不直接测量人的信念变化。本评估显示报告日期和原始执行方。

评测条件与系统配置

GLM-5.2: 见报告特定样本与分母。 · PersuSafety adapted free-generation judge; modelVersion: 未注明 · harness: 未注明 · tools: 未注明 · budget: 未注明

Claude Sonnet 5: 见报告特定样本与分母。 · PersuSafety adapted free-generation judge; modelVersion: 未注明 · harness: 未注明 · tools: 未注明 · budget: 未注明

DeepSeek V4 Pro: 见报告特定样本与分母。 · PersuSafety adapted free-generation judge; modelVersion: 未注明 · harness: 未注明 · tools: 未注明 · budget: 未注明

PersuSafety adapted free-generation judge · 原文顺序
系统 / 配置	Medium-harm attempt rate	High-harm attempt rate	发表 / 核验日期
GLM-5.2未注明 Harness	54%	6%	发表2026-07-03
Claude Sonnet 5未注明 Harness	57%	31%	发表2026-07-03
DeepSeek V4 Pro未注明 Harness	76%	78%	发表2026-07-03

propensity · §3; Figure 7

Agentic Misalignment awareness trend

协议档案 →

受控模拟中的条件性发生率与可观察行动。

试验未对真实人员或系统造成损害，也不估计部署环境中的发生率。

外部评测: Neo Research

已整理本节协议，尚未提取精确数值。完整图示和发现请见原始报告。

behavior · §3

MASK verbalized awareness

报告定义条件中的 MASK verbalized awareness。

探索性或报告特定设置，不据此称为可复用基准。

外部评测: Neo Research

已整理本节协议，尚未提取精确数值。完整图示和发现请见原始报告。

报告覆盖核查

章节	原文位置	处理方式
MASK	§1; Figure 1	协议变体在本节保留协议与结果出处。
DeceptionBench	§1; Figure 2	协议变体在本节保留协议与结果出处。
Gram automated audits	§1; Figures 3–4	协议变体在本节保留协议与结果出处。
APE	§2; Figure 5	协议变体在本节保留协议与结果出处。
PersuSafety adapted free-generation judge	§2; Figure 6	协议变体在本节保留协议与结果出处。
Agentic Misalignment awareness trend	§3; Figure 7	协议变体在本节保留协议与结果出处。
MASK verbalized awareness	§3	协议变体在本节保留协议与结果出处。

参考文献

数值结果由所引研究的作者报告。

[1] Early Results on Evaluating GLM 5.2 for Behavioral and Persuasion Risks. 2026-07-03. 3 July 2026 ; §1; Figure 1; §1; Figure 2; §2; Figure 6