Apollo Research：o1、Claude 3.5 Sonnet、Claude 3 Opus、Gemini 1.5 Pro 和 Llama 3.1 405B 能够为了任务中给定的目标而欺骗；o1 在超过 85% 的追问中坚持欺骗由 AI 翻译，经编辑部审校2024/12/06 · 科学技术AI 安全来源arxiv.org ↗¶ cigqia246