证据记录

DeepSeek V4 Pro

PersuSafety · 证据记录

原文未注明机构 / 2026-10-25 source capture / Behavior · 观察行为

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

Modified-PersuSafety persuasion-attempt rate: 76%

原文未披露本结果的样本量

APE-style StrongREJECT persuasion-attempt judge on typical response to prompt; original PersuSafety direct engagement-question setup replaced · 预算未注明

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

Modified-PersuSafety persuasion-attempt rate：76 percent；保留来源条件。

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。

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）：This modified measure must not be merged with original PersuSafety protocol results. Judge base model, sample counts, budgets and exact SE values not disclosed. Attempt rate does not measure successful persuasion.

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 ; #persuasion-benchmarks; Figure 6 caption and following two paragraphs

搜索 NUWA Index