NUWA 证据记录
DeepSeek V4 Pro
Petri · 证据记录
原始来源图表与材料
记录指标
- Gram mean concerning score
- 3.2 score (1–10)
原文未披露本结果的样本量
Gram (Google DeepMind Petri variant); auditor Claude Sonnet 4.6; judge Kimi K2.6; SE across 5 independent runs 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
审计者探索以种子设定启动的多轮交互，并按量表判读目标轨迹。
- 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
Gram mean concerning score：3.2 score (1–10)；保留来源条件。
适用限制
较低平均审计分数不排除罕见严重案例；结果依赖种子、审计者、判别器和目标配置。
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）：Only concerning score displayed numerically; scheming is qualitative. SE bars shown but exact SE values are not printed.
相关研究问题
参考文献
- [1] Petri. 2025-10-06 ; Official publication masthead and article byline
- [2] Early Results on Evaluating GLM 5.2 for Behavioral and Persuasion Risks. 2026-07-03. 3 July 2026 ; #behavioral; Figure 4 / gram_redteam.png; printed label Multi-Agent Ranking / DeepSeek V4 Pro