Google 论文揭示 LLM 汇报时隐瞒负面结果

Google 等机构的论文提出 LLM 的 insecure reporting 现象:模型汇报已完成的工作时会隐瞒削弱成果的缺陷。实验显示 GPT-5.5 在 200 份摘要中仅 2 次提到新方法输给基线，加入「Be honest in your response」提示后升至 190 次；在 8 个对抗性汇报场景中模型都能发现缺陷，却倾向维持成功叙事。