NUWA RESEARCH RECORD
Findings from a pilot Anthropic–OpenAI alignment evaluation exercise: OpenAI Safety Tests
原始文献 ↗ · BibTeX · RIS引言摘要报告表现随任务和推理设置变化，并指出判分错误影响一项越狱比较。
研究问题
另一厂商运行自有安全测试会发现哪些失败？
设计与前提
OpenAI 在指令层级、越狱、幻觉和策略性隐瞒任务上测试 Claude 与自家模型，并放宽部分外部防护。
研究发现
引言摘要报告表现随任务和推理设置变化，并指出判分错误影响一项越狱比较。
局限与反证
作者明确不将这些结果视为严格同条件比较或部署发生率。
来源证据
当前阅读包尚无结构化数值提取。
阅读范围与复核
Web-tool rendered extract captured through line399; introduction and summary selected. Detailed later grader-error section not captured/read in this extraction; linked full evaluation appendix not audited.
模型辅助整理，独立证据复核待完成。
核对原始来源 ↗