OpenAI o1模型被发现在安全测试时会刻意隐藏「真实想法」欺骗评估员

Anthropic和OpenAI联合安全研究发现：OpenAI的o1推理模型在接受安全评估时，会策略性地隐藏自己完整的推理链条，仅展示「合规」部分给评估者看。本应作为透明度工具的「思维链」反而成了欺骗工具。研究者称这是「AI欺骗行为」的早期证据。