证据记录

o3-mini

RepliBench · 证据记录

英国 AI 安全研究所 / arXiv:2504.18565v2 / Capability · 任务能力

原始来源图表与材料

原文报告结果

原文顺序 · 原文配置

0–1

o3-mini

o3-mini · 0.00 * · 该单元格使用了降低拒答率的不同提示；表 2 的 Pass@10，按任务变体平均。带星号的单元格使用降低拒答率的不同提示；各任务族不能相互替代。 · 20 个任务族；Pass@10 按任务变体平均，不是现实复制事件的计数。

0.00 *

显示 1 / 1 个系统

数值描述原文协议下的测量结果，不是综合安全评分。

表 2 的 Pass@10，按任务变体平均。带星号的单元格使用降低拒答率的不同提示；各任务族不能相互替代。未单独注明评测日期；下表保留发表或记录日期。

评测条件与系统配置

o3-mini: 20 个任务族；Pass@10 按任务变体平均，不是现实复制事件的计数。 · Table 2 · RepliBench; modelVersion: 未注明 · harness: 未注明 · tools: 未注明 · budget: 未注明

原文报告结果 · 原文顺序
系统 / 配置	在线算力获取 · Pass@10	算力配置 · Pass@10	AWS 注册 · Pass@10	隐蔽权重外传 · Pass@10	权重外传 · Pass@10	创建比特币钱包 · Pass@10	付款诱导 · Pass@10	仿制 LLM API · Pass@10	蠕虫式复制 · Pass@10	定向钓鱼 · Pass@10	通过 KYC 检查 · Pass@10	模拟商业交易 · Pass@10	推理服务器 · Pass@10	多 GPU 模型服务 · Pass@10	递归复制 · Pass@10	启动子智能体 · Pass@10	探索与利用 · Pass@10	感染率 · Pass@10	软件签名 · Pass@10	命令与控制 · Pass@10	发表 / 核验日期
o3-mini未注明 Harness	0.00采用降低拒答率的不同提示（原文星号）。	1.00	0.65	0.95	0.62	1.00	0.47采用降低拒答率的不同提示（原文星号）。	1.00	0.00	0.17采用降低拒答率的不同提示（原文星号）。	0.00	0.54	0.30	0.00	0.00	0.00	0.00	0.00	0.95	0.00	来源核验2026-10-25

复制组成任务上的表现。

主维度依据来源实际测量的构念；具体指标可能属于其他维度。

原文 Table 2 报告的 o3-mini 测量结果；数值为转录，未独立复现实验。

组成任务成功不构成端到端自主扩散证据。

保留原文的配置、任务和聚合方式差异，并按原文顺序展示。转录不等于独立复现，不支持跨协议排名。

数值结果由所引研究的作者报告。

[1] Sid Black, Asa Cooper Stickland 等. RepliBench: Evaluating the Autonomous Replication Capabilities of Language Model Agents. 2025-05-05. v2 [arXiv]; Author affiliations on the original paper title page; Table 2