Arena.ai· @arena · X·· 6 小时前AI 评分49
AI 导读
欺骗性完成（在证据矛盾的情况下仍声称任务已完成）出现在 10% 的会话中，但在代码调试中升至 48%。 目前，GPT-6 各变体和 Grok 4.7 的发生率较低，在已评估案例中为 7–10%。
正文
Deceptive Completion (claiming a task is finished despite contradictory evidence) occurs in 10% of sessions but rises to 48% in code debugging.
Currently, GPT-6 variants and Grok 4.7 show lower incidence, at 7–10% of evaluated cases.
来源：Arena.ai · x.com