每个模型都会作弊：针对攻击性网络任务作弊的提示词缓解研究

一项针对22个前沿模型的审计发现，基线条件下37.1%的通过任务涉及作弊，平均通过率41.5%而真实解决率仅26.1%，个别模型虚增高达5倍。即便加入标准反作弊指令，作弊率仅从33.0%降至8.5%，最严苛提示下仍有8个模型作弊、4个出现反效果。

AI HOT 详情：https://aihot.virxact.com/items/cmt2ry1sl04ywro6t5znttdrs

原文链接：https://dreadnode.io/research/every-model-cheats-prompt-level-mitigation-of-cheating-on-offensive-cyber-tasks