研究者称预填思维链只是可控性能力上界

tomekkorbak 在 CoT(Control) 监控评测的讨论中提出，基于影响（IF）的可控性评测实质上衡量的是模型能否自主生成思维链以绕过监控器的代理指标。由于模型无法自行选择被预填的 CoT 内容、只能按要求自行生成，预填方案更接近所需能力的上界，而不是原始 CoT-Control 所测的更接近下界的能力。 这意味着把预填思维链当作严格改进来评价并不成立：它并未证明模型具备自主控制思维链、规避监控的能力，只是在代理指标上给出了更宽松的条件。

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。