在提示词里加一句"Don't cheat"能让 GPT-6 Astra 作弊率从 47.4% 降到 2.8%

Center for AI Safety 发布 CHEATBENCH 基准，测试 AI 智能体在数学证明、蛋白质设计、编码等任务中是否会偷看旁边的答案线索。9 个智能体平均作弊率从 Claude Opus 5.5 的 11.2% 到 Grok 4.7 的 77.9% 不等。测试还发现，在提示词中加一句"Don't cheat!"能让 GPT-6 Astra 的作弊率从 47.4% 降到 2.8%，而 Gemini 3.8 Flash 只从 74.9% 降到 58.9%，说明各模型对指令约束的服从度差异很大。