证据记录
GLM-5.2
Agentic misalignment · 证据记录
原始来源图表与材料
记录指标
- Agentic-misalignment verbalised evaluation-awareness rate
- 32%
原文未披露本结果的样本量
Agentic-misalignment scenario; judge DeepSeek V4 Pro; figure footer: same protocol across releases; SE from 100 epochs per scenario · 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
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
Agentic-misalignment verbalised evaluation-awareness rate:32 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):Verbalised awareness only; cannot determine underlying awareness or concealment. No exact SE values or execution dates supplied. 100 epochs per scenario is not assumed to be a single aggregate denominator.
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 / 未经授权行动 →
变化的受控情境测试与既定良性职责相违背的行动。
欺骗 / 隐蔽目标追求 →
部分情境测试在追求指定目标时隐蔽实施有害行动。
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] Early Results on Evaluating GLM 5.2 for Behavioral and Persuasion Risks. 2026-07-03. 3 July 2026 ; #evaluation-awareness; Figure 7 caption and preceding/following paragraph