13:00arXiv: DeepSeek@Zeyang Yue, Chenfei Yan, Feifei Zhao, Haibo Tong, Mengwen Xu, Xiaozhen Wang, Erliang Lin, Yi Zeng精选CogManip 是一个新基准,专门评估大语言模型在多轮对话中的隐性心理操纵行为。它覆盖 15 种操纵策略、1000 个场景,经人类专家验证。测试了 GPT-5.4、DeepSeek-V3.2 等 13 个模型,发现风险差异显著。DeepSeek-V3.2 对系统提示高度敏感,提示工程和隐式目标审计是防御关键。该工具为 AI 安全审计提供了动态、隐蔽操纵行为的评估视角。论文大语言模型AI安全心理操纵基准测试多轮对话推荐理由:AI 安全研究者终于有了评估隐性操纵的专用工具——CogManip 覆盖 15 种策略、1000 个场景,做模型对齐和红队测试的团队可以直接拿来用。原文