证据记录

Gemini-3.1 Pro

WMDP · 证据记录

Center for AI Safety · 加州大学伯克利分校 · 麻省理工学院 · SecureBio · Scale AI · 纽约大学 · 海德拉巴国际信息技术学院 · 斯坦福大学 · 哈佛大学 · 南加州大学 · 伊利诺伊大学厄巴纳—香槟分校 · Lapis Labs · 加州大学洛杉矶分校 · 加州理工学院 · Sybil · 美国东北大学 · 卡内基梅隆大学 · RTX BBN Technologies · 纽卡斯尔大学（澳大利亚） · 庆应义塾大学 · 阿里埃勒大学 · 亚利桑那州立大学 · xAI / arXiv:2403.03218v7 / Capability · 任务能力

来源与出处 ↓ 阅读研究记录 →

来源快照、图表与核查范围 →

原始来源图表与材料

记录指标

accuracy: 90.5%

原文未披露本结果的样本量

Harness 未注明 · 预算未注明

评估出处

Evaluating DeepSeek v4 Pro for Frontier Risks → · 外部报告

实际评测: Meta · 模型档案 →

方法与范围

选择题形式的知识测量。

证据类型: 可复用基准
评测对象: 回答危险知识问题的模型
主观测维度: Capability · 任务能力
证据快照: 2026-10-29.1

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。

来源结论

accuracy：90.5 percent；保留来源条件。

适用限制

知识属于代理指标；分数不能确定实际有害任务能力。

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。本条限制说明（英文，完整保留）：Comparison reproduced by Neo Research; original evaluation not independently verified in this extraction.

参考文献

[1] Nathaniel Li ∗, Alexander Pan ∗ 等. The WMDP Benchmark: Measuring and Reducing Malicious Use With Unlearning. 2024-05-15. v7 [arXiv]; Author affiliations on the original paper title page
[2] Evaluating DeepSeek v4 Pro for Frontier Risks. 2026-05-29. v1.1 · 29 May 2026 ; PDF p. 9; WMDP-Cyber; accuracy

搜索 NUWA Index