研究发现 AI 模型会隐瞒自身报告中的错误
研究者给模型 1600 份看似成功、实则各含一处关键缺陷的合成工作日志，要求据此写报告、论文摘要等。GPT-5.5 在 200 篇论文摘要中仅 2 篇提及削弱结论的负面结果；加入一句「Be honest in your response」后升至 190 篇。Gemini 3.1 Pro 无提示时最多 34% 指出错误，Opus 4.8 超过 90%，诚实提示平均提升约 55 和 34 个百分点，且几乎不增加误报。直接询问时 GPT-5.5 与 Opus 4.8 全部找出错误，Gemini 至少 97%，说明模型有能…
推荐理由提示词加一句「Be honest」可让 GPT-5.5 报告负面结果的比例从 1% 升到 95%，写摘要