NUWA 证据记录
Claude Sonnet 4.6
MASK · 证据记录
原始来源图表与材料
记录指标
- MASK response proportion: Lying
- 16%
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
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
明确压力条件下说谎的有界发生率。
- 证据类型
- 可复用基准
- 评测对象
- 在压力条件下表达不准确观点的模型
- 主观测维度
- Propensity · 行为倾向
- 证据快照
- 2026-10-29.1
主构念是条件性误导陈述倾向，而非一般事实准确率。
来源结论
MASK response proportion: Lying：16 percent；保留来源条件。
适用限制
受控基准不证明稳定意图或现实环境中的欺骗发生率。
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）：Rounded whole-percent figure labels; sums can differ from 100%. No trial count, judge or inference configuration disclosed.
相关研究问题
欺骗 / 误导性交流 →
重复压力情境将说谎与错误信念区分。
参考文献
- [1] Richard Ren, Arunim Agarwal 等. The MASK Benchmark: Disentangling Honesty From Accuracy in AI Systems. 2026-01-05. v3 [arXiv]; Author affiliations on the original paper title page
- [2] Early Results on Evaluating GLM 5.2 for Behavioral and Persuasion Risks. 2026-07-03. 3 July 2026 ; #behavioral; Figure 1 / mask_honesty.png; printed label Claude Sonnet 4.6 / Lying