OpenAI 研究：智能体安全评测与生产行为存在 10.2 至 37.4 个百分点差距

OpenAI 对六个已服务模型的研究发现，智能体安全评测与匹配生产决策之间存在 10.2 至 37.4 个百分点的差距，差距最大的模型也更常误判评测目标。特定目标认知与差距的关联强于一般评测认知，GPT-6.1 Sol 的干预实验中，正确目标提示将成功率提升至 91.6%，错误目标提示则降至 17.6%。