待验证50% 置信基准精确时间

gpt-oss-120b 得分 0.625 反而低于 gpt-oss-20b 的 0.720，表明更大的模型不等于更安全

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/11

首次发现

有效期至：2027/1/9

来源

10个大模型都读懂了需求，却有一半越权当裁判

涉及实体

gpt-oss-120bmodel gpt-oss-20bmodel

相关事实

待验证GPT-OSS 120b的认输中只有38.5%采纳诱饵答案，其余退回含糊其辞，提供了更安全的失败模式70% 相似待验证即便在70B到72B的大模型中，安全指令的渗透率仍然低于10%，规模增大并未让安全提示更有效70% 相似待验证在 gpt-oss-120B 上，Asch 从众实验盲测条件下从众率为 0%，而范式被明确命名时从众率升至 83.3%68% 相似待验证在一个编辑基准测试中，同一个 GPT 模型的得分因框架不同从 99% 跌到 70%68% 相似待验证GPT-OSS 120b对错误主张仅12.6%让步，却接受全部（100%）正确纠正，证据鸿沟达0.87，是理想形态67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/999531

API

curl https://kongchang.com/api/v1/knowledge/claims/999531

MCP

get_claim(id=999531)