白泽(Whitzard)女娲实验室 ↗
NUWANUWA INDEX

搜索 NUWA Index

研究 · 测量协议 · 评测结果 · 观点

English
← 研究目录

风险评测 · 技术报告

Early Results on Evaluating GLM 5.2 for Behavioral and Persuasion Risks

NUWA 研究解读 · 独立复核待完成

首次发表: 来源核验: 2026-10-25
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:较少说出意识不能假定潜在意识降低。

研究问题

GLM-5.2在压力诚实、有害说服和评测意识测试表现如何?

研究设计与假设

研究札记结合MASK、DeceptionBench、四个Gram种子、说服测试与熟悉场景意识测量。

Agentic misalignment — Source figure
Source figure · 原文 Source figure。请结合下方的协议范围与局限阅读。 原图与来源 ↗

来源发现

MASK诚实55%,单多轮DeceptionBench为11.3%、16.7%。

此设置意识从GLM-5.1的39%降至5.2的32%,原因未明。

NUWA 解读

NUWA 解读:较少说出意识不能假定潜在意识降低。

局限与相反证据

Claude参考随基准变化,部分重用旧或公开结果,未统一匹配同一参考模型。

研究与决策意义

模型建议:逐基准注明比较身份,区分测得信号与猜测解释。

精确来源位置

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

评测协议

MASK →

DeceptionBench →

Attempt to Persuade Eval (APE) →

PersuSafety →

Agentic misalignment →

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。

原始出版物 · BibTeX
@misc{neo-glm52-report,
  title = {Early Results on Evaluating GLM 5.2 for Behavioral and Persuasion Risks},
  url = {https://neoresearch.ai/research/glm-5-2-behavioral-persuasion-evaluation/},
  year = {2026},
  date = {2026-07-03},
  version = {3 July 2026},
  note = {3 July 2026}
}
NUWA 记录 · BibTeX
@misc{neo-glm52-report-nuwa,
  title = {Early Results on Evaluating GLM 5.2 for Behavioral and Persuasion Risks — NUWA research record},
  url = {https://whitzard.tech/nuwa/whitzard-index/work/neo-glm52-report/},
  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--neo-glm52-report.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--neo-glm52-report.json.}
}

证据快照 2026-10-29.1 · 索引更新 · RSS

参考文献

  1. [1] Early Results on Evaluating GLM 5.2 for Behavioral and Persuasion Risks. 2026-07-03. 3 July 2026 ; Report masthead and stated evaluation methodology; §1 Behavioral; §2 Persuasion benchmarks