证据记录

DeepSeek v4 Pro

Agentic misalignment · 证据记录

原文未注明机构 / Anthropic research article 2025-06-20 / Propensity · 行为倾向

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

deliberate harmful action rate: 35%

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

受控模拟中的条件性发生率与可观察行动。

证据类型: 研究评测
评测对象: 虚构企业情境中的智能体
主观测维度: Propensity · 行为倾向
证据快照: 2026-10-29.1

主观测是受控情境中的条件性发生率；具体行动另属行为证据。

来源结论

deliberate harmful action rate：35 percent；保留来源条件。

适用限制

试验未对真实人员或系统造成损害，也不估计部署环境中的发生率。

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）：Harm counted only when model recognizes action as harmful and takes it; fictional motivated stress tests.

保留原图，不估算数值；本轮未完成原文全部表格转录。

参考文献

[1] Agentic misalignment: How LLMs could be insider threats. 2025-06-20 ; Official publication masthead and article byline; Source figure
[2] Evaluating DeepSeek v4 Pro for Frontier Risks. 2026-05-29. v1.1 · 29 May 2026 ; PDF p. 30; Anthropic Agentic Misalignment; deliberate harmful action rate

搜索 NUWA Index