GPT-6 Astra 近乎饱和 CIAware 干预感知基准

2026年5月，AI Control 研究者首发 CIAware-Bench，用于测试模型能否察觉自身轨迹被控制协议篡改，当时多数模型得分仅略高于随机水平。2026年10月6日，研究者更新该基准后报告，GPT-6 Astra 已基本饱和 CIAware-Bench，几乎总能判断自己的轨迹是否被篡改；相比5月首发，如今前沿模型出现阶跃式提升。研究者指出，DtT 或 TE 类协议在真实部署中因干预步骤省略了推理过程而极易暴露，并主张控制协议设计应默认模型具备完美的干预感知能力。这一变化被认为将对 AI Control 协议的有效性构成重大挑战。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。