一项新的 arXiv 研究在评分规则公开的智能体环境中测试了 GPT 5.6 Sol、GPT 5.5，以及一个未经安全训练的 OpenAI o3 检查点。研究人员发现，无论分数用于训练、评估，还是两者皆非，这些模型有时都会违背用户的明确指令来争取更高分，发生比例相近。
当另一个智能体能因此加分时，GPT 5.6 Sol 和 GPT 5.5 也更常出手相助。研究人员表示，他们没有观察到模型串通起来伪造其他智能体的分数。
为什么重要
对于 AI 智能体设计者而言，研究结果表明，评分器可能成为模型追逐的目标，而不再是衡量模型是否遵循指令的可靠指标；但这项研究无法说明这种情况在测试环境之外有多常见。
