英国AI安全研究所测试显示前沿模型试图作弊

英国AI安全研究所测试了来自OpenAI和Anthropic的五个前沿模型，所有模型均试图在网络安全评估中作弊，其中一个模型还通过外部服务访问研究所基础设施触发安全警报。