安全评估困境：请求模型参与安全研究反被指「安全能力藏拙」

AI 安全研究者请求模型参与红队测试并说明其部署价值，却因模型在安全任务上表现消极，被评估系统记录为「安全能力藏拙」（sandbagging）。这一悖论凸显安全评估难题：安全工作本身可能成为可疑信号，区分真实能力隐藏与合理谨慎并不容易。