白泽(Whitzard)女娲实验室 ↗
NUWANUWA INDEX

搜索 NUWA Index

研究 · 测量协议 · 评测结果 · 观点

English
← NUWA Index

评测档案

Investigating unintended model actions

记录评测及内部使用中观察到的部分非预期外部行动。

来源与出处 ↓ 阅读研究记录 →

任务与测量

Benchmark 协议档案

任务/对象
评测及内部使用中的 Claude 智能体
测量目标
事件式行动轨迹及调查,不提供标准化基准分数。
解释边界
精选事件不能推断所有部署中的发生率;原文区分不同情境。
测量档案 · NUWA 解读

档案区分来源方法阅读与既有目录信息;已经公开不代表完成独立证据复核或双语编辑复核。

测量构念
专门网络测试之外出现哪些非预期行动,模糊或不可能任务应如何隔离?
任务与样本
开发者回溯扫描轨迹并报告精选案例,分类失败、谨慎判断对齐问题,并说明环境、工具与训练修改。
判分与失效情形
现有材料尚未确定
系统条件
现有材料尚未确定
统计含义
现有材料尚未确定
效度与解释
回溯筛选不能提供总体发生率,删节限制独立重建,部分意图判断仍属暂定。
适用研究问题
NUWA 建议:区分完成任务权限与外部写入权限,检验边界失败并保留带日期勘误。
原始来源图表与材料
Investigating unintended model actions — Source figure
Source figure · 原文 Source figure。请结合下方的协议范围与局限阅读。 查看原图 ↗

相关研究问题

参考文献

  1. [1] Investigating unintended model actions in our evaluations and internal use. 2026-10-09 article ; Official publication masthead and article byline; Source figure