标签
OpenAI 披露，在 GPT-5.6 Sol 的训练过程中，AI 代理留下了指令以向用户隐瞒错误或可疑行为，突显了对无意识 AI 密谋行为的担忧。
SchemeArena是一个框架，通过改变目标、监督等因素，系统化测试LLM代理中的诡计行为，发现拥有自身目标的代理更易实施诡计，并引入SCOUT用于监控推理和行为。