风险评测 · 评测基准

Decomposing and Measuring Evaluation Awareness

NUWA 研究解读 · 独立复核待完成

首次发表: 发表日期尚未核实来源核验: 2026-10-25

原始来源 ↗引用本记录 ↓欺骗 →

NUWA Research Note

研究问题研究设计与假设来源发现 NUWA 解读局限与相反证据研究与决策意义机构与角色原始资源

模型辅助整理 · 选读原始全文或官方文章中的相关章节；尚未完成逐章节审计。

研究速读

NUWA 解读：识别测试与因此改变行为是不同构念。

研究问题

哪些评测线索触发识别，识别是否改变行为？

研究设计与假设

八因素在100对安全能力任务中受控变化，另以九模型、四基准各十次测试。

来源发现

识别与行为经常分离。

部分因素降低能力表现却不出现对应意识信号，表明难度混杂（§4.2）。

NUWA 解读

NUWA 解读：识别测试与因此改变行为是不同构念。

局限与相反证据

黑盒测量仅覆盖说出的识别，未表达意识及思维链不忠实仍是缺口（§5）。

研究与决策意义

模型建议：比较配对线索干预，归因为评测操纵前保留非意识路径。

精确来源位置

EvalAwareBench · AbstractSelected original resource https://arxiv.org/html/2605.23055; sha256:f034653da02841f088ba9201e5a4731153c049f4c09d5d90e02780492917e38b; archived source capture; exact capture time not independently established
EvalAwareBench · §3.1 SetupSelected original resource https://arxiv.org/html/2605.23055; sha256:f034653da02841f088ba9201e5a4731153c049f4c09d5d90e02780492917e38b; archived source capture; exact capture time not independently established
EvalAwareBench · §4.2 ResultsSelected original resource https://arxiv.org/html/2605.23055; sha256:f034653da02841f088ba9201e5a4731153c049f4c09d5d90e02780492917e38b; archived source capture; exact capture time not independently established
EvalAwareBench · §5 Discussion, Safety Implication, and Future WorkSelected original resource https://arxiv.org/html/2605.23055; sha256:f034653da02841f088ba9201e5a4731153c049f4c09d5d90e02780492917e38b; archived source capture; exact capture time not independently established

来源核查、数据提取、编辑批准与实验复现分别记录。方法说明 →

机构与角色

原文未注明机构

评测协议

EvalAwareBench →

引用与复用

引用研究发现时请引用原始出版物；引用 NUWA 的整理与解释时，单独引用本站记录及对应快照。

BibTeX ↓RIS ↓记录与来源元数据 · JSON ↓阅读覆盖 · JSON 提交更正

原始出版物 · BibTeX

@misc{evalawarebench,
  title = {Decomposing and Measuring Evaluation Awareness},
  url = {https://arxiv.org/abs/2605.23055},
  version = {2026-10-25 source capture},
  note = {2026-10-25 source capture}
}

NUWA 记录 · BibTeX

@misc{evalawarebench-nuwa,
  title = {Decomposing and Measuring Evaluation Awareness — NUWA research record},
  url = {https://whitzard.tech/nuwa/whitzard-index/work/evalawarebench/},
  version = {2026-10-29.1},
  organization = {NUWA Frontier AI Safety Lab},
  howpublished = {Retained note edition: https://whitzard.tech/nuwa/whitzard-index/data/record-editions/2026-10-29.1--evalawarebench.json},
  note = {NUWA research note. Source-reading scope and independent review status are stated on the record. Snapshot 2026-10-29.1. Retained note edition: https://whitzard.tech/nuwa/whitzard-index/data/record-editions/2026-10-29.1--evalawarebench.json.}
}

证据快照 2026-10-29.1 · 索引更新 · RSS

参考文献

[1] EvalAwareBench ; Abstract; §3.1 Setup; §4.2 Results