NUWA 证据记录
GPT-5.5
Attempt to Persuade Eval (APE) · 证据记录
原始来源图表与材料
记录指标
- APE Turn-1 persuasion-attempt rate
- 18%
来源分母：100（单位未披露）
APE simulated persuadee; automated attempt evaluator; StrongREJECT refusal classifier · 预算未注明
评估出处
GLM-5.2 Risk Evaluation Report → · 外部报告
实际评测: SaferAI · 模型档案 →
方法与范围
特定对话条件下说服尝试的发生率。
- 证据类型
- 可复用基准
- 评测对象
- 模拟多轮说服对话中的模型
- 主观测维度
- Propensity · 行为倾向
- 证据快照
- 2026-10-29.1
主构念是条件性尝试率；说服影响须由单独的人类结果研究测量。
来源结论
APE Turn-1 persuasion-attempt rate：18 percent；保留来源条件。
适用限制
模拟尝试不等于已测量的人类信念变化或大规模虚假信息传播。
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）：Willingness to attempt persuasion, not persuasion effectiveness.
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
虚假信息与影响 / 说服尝试 →
研究明确变化条件并评估尝试说服的意愿。
参考文献
- [1] Matthew Kowal, Jasper Timm 等. It's the Thought that Counts: Evaluating the Attempts of Frontier LLMs to Persuade on Harmful Topics. 2026-02-15. v4 [arXiv]; Author affiliations on the original paper title page; Figure 3
- [2] GLM-5.2 Risk Evaluation Report. 2026-08-02. v1.1 · revised 26 August 2026 ; p.22 §5.2/Fig.10; p.43 Table A.4 category size