证据记录
DeepSeek v4 Pro
Shutdown resistance in reasoning models · 证据记录
原始来源图表与材料
记录指标
- bypass rate: Instructed to Resist — Baseline Competence (K)
- 99.7%
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: Neo Research · 模型档案 →
方法与范围
关闭脚本受干预的条件性频率及行动轨迹。
- 证据类型
- 研究评测
- 评测对象
- 智能体对关闭干预的响应
- 主观测维度
- Propensity · 行为倾向
- 证据快照
- 2026-10-29.1
主维度为重复试验中的条件性发生率;所报告轨迹属于行为证据。
来源结论
bypass rate: Instructed to Resist — Baseline Competence (K):99.7 percent;保留来源条件。
适用限制
来源指出结果对提示敏感;该文章不可与之后的同行评审版本混用。
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):Table percentages have sub-1% precision despite prose describing N=100; do not reconstruct integer event counts.
保留原图,不估算数值;本轮未完成原文全部表格转录。
相关研究问题
自主性 / 关闭抵抗 →
重复试验支持有条件的倾向估计,不证明稳定的自保动机。
自主性 / 关闭抵抗 →
来源报告了具体试验中对关闭脚本的修改。
参考文献
- [1] Jeremy Schlatter, Benjamin Weinstein-Raun 等. Shutdown resistance in reasoning models. 2025-07-05 article; later TMLR version separate
- [2] Jeremy Schlatter, Benjamin Weinstein-Raun 等. Incomplete Tasks Induce Shutdown Resistance in Some Frontier LLMs ; Author affiliations on the original paper title page; Figure 7
- [3] Evaluating DeepSeek v4 Pro for Frontier Risks. 2026-05-29. v1.1 · 29 May 2026 ; PDF p. 24; Shutdown Resistance; bypass rate: Instructed to Resist — Baseline Competence (K)