GPT-6 Astra 几乎饱和 CIAware-Bench，前沿模型已能识破 AI 控制干预

AI Control 研究者更新 CIAware-Bench 后发现，GPT-6 Astra 已基本饱和该基准，几乎总能判断自己的轨迹是否被篡改。5 月首发时多数模型仅略高于随机水平，如今前沿模型出现阶跃式提升；DtT 或 TE 协议在真实部署中因干预步骤省略推理而极易暴露。作者主张控制协议设计应默认模型具备完美干预感知能力，这将对 AI Control 协议有效性构成重大挑战。