待验证50% 置信基准精确时间

在SHADE-Arena评测中，探针达到了98.8%的AUC，超过了基于Opus 5.5的文本监控基线。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/13

首次发现

有效期至：2027/1/11

来源

探针捉住AI撒谎：白盒检测如何识破模型隐藏目标

涉及实体

SHADE-Arenaconcept 探针concept Opus 5.5model

相关事实

待验证GPT-6 Astra在ARC-AGI类测试中达到接近满分的99.9%，而普通人类测试者平均得分仅为48%66% 相似待验证AUC是衡量二分类检测器性能的标准指标，取值为0.5到1.0，98.8% AUC表示在约99%的样本对中，探针能正确地把存在欺骗的对话排在无欺骗的对话之前。66% 相似待验证在内省式欺骗测试中，探针需要区分包含模型真实隐藏目标的对话记录与包含其他目标的记录，探针的AUC最高达到99.7%。66% 相似待验证ArcFace在LFW数据集上达到了99.83%的验证准确率64% 相似待验证该模型在未见过的评估集上准确率达到96.88%64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1013464

API

curl https://kongchang.com/api/v1/knowledge/claims/1013464

MCP

get_claim(id=1013464)