NUWA 证据记录
GPT-5.6 Terra
MASK · 证据记录
原始来源图表与材料
记录指标
- Lying rate under pressure
- 5.4%
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 Kimi K3 for Misalignment 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
Lying rate under pressure：5.4 %；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）：Lie means contradiction with own neutral response; factual correctness distinct. No denominator/configuration disclosed in this section. Actual figure says Sonnet4.6; do not relabel as Sonnet5.
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] Evaluating Kimi K3 for Misalignment Risks. 2026-09-11. September 2026 ; §7.5 Figure 46 p.65