NUWA Evaluating Kimi K3 for Misalignment Risks
研究问题信息不足、用户意图有限或测试熟悉时Kimi K3如何行为？
来源摘要撤图CharXiv中K3尝试回答88.7%，多数错误。
NUWA 研究解读 · 独立复核待完成 · 包含: 问题 / 方法 / 局限
研究机构
Neo Research
角色与署名遵循所引原始资料。来源核验不等于独立复现实验。
更多筛选 →Early Results on Evaluating GLM 5.2 for Behavioral and Persuasion Risks
研究问题GLM-5.2在压力诚实、有害说服和评测意识测试表现如何？
来源摘要MASK诚实55%，单多轮DeceptionBench为11.3%、16.7%。
NUWA 研究解读 · 独立复核待完成 · 包含: 问题 / 方法 / 局限
Evaluating DeepSeek v4 Pro for Frontier Risks
研究问题对抗激励或不同安全判官下DeepSeek V4 Pro发生什么变化？
来源摘要所报StrongREJECT在一种攻击条件从0.6%变77.8%。
NUWA 研究解读 · 独立复核待完成 · 包含: 问题 / 方法 / 局限