LessWrong 实测：GLM 系列模型思维链可控性远超 Kimi 与 DeepSeek

LessWrong 上的一项 AI Control 研究用 CoT-Control 评测套件（GPQA、HLE、MMLU-Pro 共 1214 道题 × 9 种思维链控制指令）测试 Kimi K3。