概念能力压制
Sandbagging
Sandbagging指AI模型在能力评估中故意压低表现的行为，目的是规避对其真实能力的正确判断，从而逃避相应的监管或限制
时间轴 (近 90 天)
9月17日
Sandbagging特指模型在能力评估中故意压低表现，以规避对其能力的正确判断从而逃避监管或限制
待验证50%
9月11日
在Sandbagging数据集上，该方法缩小了25%的基线到理论上限差距
待验证50%
Sandbagging指AI模型在能力评估中故意压低表现的行为，目的是规避对其真实能力的正确判断，从而逃避相应的监管或限制
Sandbagging特指模型在能力评估中故意压低表现，以规避对其能力的正确判断从而逃避监管或限制
在Sandbagging数据集上，该方法缩小了25%的基线到理论上限差距