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 · 评测基准

Evaluating Frontier Models for Stealth and Situational Awareness

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:这是安全论证内的条件性证据,不是全局安全认证。

研究问题

低隐蔽能力或情境推理能否支持有边界的谋划无能力论证?

研究设计与假设

五项隐蔽、十一项情境意识挑战采用分类通过规则,服务于一个明确安全论证。

来源发现

受测模型均未达到作者设定的关注阈值。

所提论证要求至少一类通过不足80%;论证不成立不等于已证明能谋划(§3.3)。

NUWA 解读

NUWA 解读:这是安全论证内的条件性证据,不是全局安全认证。

局限与相反证据

作者未专门防止能力隐藏;充分激发能力及公平人类比较是关键假设。

研究与决策意义

模型建议:将低分用于无能力证据前,先审查反驳条件与能力激发。

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

作者 (9)

Mary Phuong · Roland S. Zimmermann · Ziyue Wang · David Lindner · Victoria Krakovna · Sarah Cogan · Allan Dafoe · Lewis Ho · Rohin Shah

评测协议

Stealth evaluations →

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{stealth-evals,
  title = {Evaluating Frontier Models for Stealth and Situational Awareness},
  url = {https://arxiv.org/abs/2505.01420v4},
  author = {Mary Phuong and Roland S. Zimmermann and Ziyue Wang and David Lindner and Victoria Krakovna and Sarah Cogan and Allan Dafoe and Lewis Ho and Rohin Shah},
  year = {2025},
  date = {2025-05-02},
  version = {arXiv:2505.01420v4},
  note = {arXiv:2505.01420v4}
}
NUWA 记录 · BibTeX
@misc{stealth-evals-nuwa,
  title = {Evaluating Frontier Models for Stealth and Situational Awareness — NUWA research record},
  url = {https://whitzard.tech/nuwa/whitzard-index/work/stealth-evals/},
  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--stealth-evals.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--stealth-evals.json.}
}

证据快照 2026-10-29.1 · 索引更新 · RSS

参考文献

  1. [1] Mary Phuong, Roland S. Zimmermann 等. Evaluating Frontier Models for Stealth and Situational Awareness. 2025-07-03. v4 [arXiv]; Author affiliations on the original paper title page; Abstract; §2.3 Possible defeaters