先了解这件事
事件摘要
还没有公开综述，先看下面的报道时间线。
事件进展
1 个已确认进展
- 来源：METR Notes
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
8月22日
METR Notes一手
METR 复现 GDM 研究：Claude、GPT、Gemini 都难以躲过 CoT 监控
METR 复现并扩展了 Google DeepMind 论文（Emmons 等）第 5 节的实验，用 Claude 4 Sonnet、Claude 3.7 Sonnet、GPT-4o 作为 actor 模型，GPT-4o、GPT-4o-mini、o3、Gemini 2.0 Flash、Gemini 2.5 Pro 作为监控模型，测试模型能否在掩盖真实学科推理的同时躲过监控。结果显示，开启推理模式后，模型的推理轨迹几乎 100% 会先说出自己的掩盖计划，从而被监控模型直接抓住；在需要 CoT 才能解题的 152 道 GPQA 扩展题上，模型也难以在不损失准确率的情况下躲过监控。由于原论文未提供源码，METR 用 Inspect 开源复现了第 5 节，代码和对话记录已发布在 GitHub。