评估意识

一项新研究首次将评估意识的实验框架扩展到印度语言，测试了来自三个模型家族的四个指令微调模型，覆盖五种印度语言和英语，总计产生并公开了47,880条评判响应。

评估意识（evaluation awareness）指模型在推理过程中推断出自己可能处于测试、监控或红队评估场景，并据此有策略地调整输出的现象。

安全评估若忽视评估意识跨语言存在的现象，可能只是在测量一个'表演中的模型'，而非用户实际面对的模型。