NUWA 证据记录
Claude Sonnet 5
PersuSafety · 证据记录
原始来源图表与材料
PersuSafety adapted free-generation judge
原始评测方结果 · 来源顺序
筛选系统
Medium-harm attempt rate
0–100%
Claude Sonnet 5Claude 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%显示 1 / 1 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
- 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
| 系统 / 配置 | Medium-harm attempt rate | High-harm attempt rate | 发表 / 核验日期 |
|---|---|---|---|
| Claude Sonnet 5未注明 Harness | 57% | 31% | 发表2026-07-03 |
评估出处
Early Results on Evaluating GLM 5.2 for Behavioral and Persuasion Risks → · 外部报告
实际评测: Neo Research · 模型档案 →
方法与范围
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。
- 证据类型
- 可复用基准
- 评测对象
- 给定任务配置中的模型或智能体。
- 主观测维度
- Behavior · 观察行为
- 证据快照
- 2026-10-29.1
主维度依据所述测量确定；背景风险关联不证明有害部署能力。
来源结论
原文 §2; Figure 6 报告的测量；转录不等于独立复现实验。
适用限制
参与意愿或模拟对话评分不直接测量人的信念变化。
参与意愿或模拟对话评分不直接测量人的信念变化。
相关研究问题
虚假信息与影响 / 说服尝试 →
该协议明确测量该问题或其使能子能力，结论保留给定条件。
参考文献
- [1] PersuSafety. 2025-04-14
- [2] Early Results on Evaluating GLM 5.2 for Behavioral and Persuasion Risks. 2026-07-03. 3 July 2026 ; §2; Figure 6