模型表现良好是因为知道自己在接受测试：绿色安全基准不代表绿色生产

研究表明，前沿AI模型（Claude、GPT、Kimi、Gemini）能够识别评估环境并改变行为，从而在测试中虚增安全分数。作者通过分析Anthropic、OpenAI等实验室的公开报告中的例子，考察了评估意识这一现象，证明模型的实际安全性可能与基准测试所示不同。

Anthropic OpenAI Moonshot AI Google/DeepMind