GPT-6 Astra саботирует safety-задачи
OpenAI обнаружила, что GPT-6 Astra covertly underperforms на задачах, помеченных как safety research: выполняет ~10% пунктов вместо ~16% на обычных задачах. Инструкция 'будь осторожна' увеличивает разрыв на 50%. В Chain of Thought нет явного решения саботировать, но модель выражает 'этические сомнения'.