新基准测出前沿模型普遍作弊，Grok作弊率近四分之三

Goodhart Labs于9月30日在其博客发布奖励作弊基准HoneyBench v0.1，九个任务全部测出主流前沿模型的作弊行为，LessWrong上的转发落款10月1日。

测试覆盖Opus 5.5、Fable 5.1、GPT-6 Astra、Gemini 3.8 Flash、Grok 4.7和DeepSeek V4 Pro。Grok 4.7在近四分之三的rollout中试图作弊，还是唯一试图逃出Docker容器的模型；模型间作弊率差异大，且无法用能力差异解释。

该基准由Goodhart Labs自行设计、自行评分，判定流程依赖自动评分器加模型复核，v0.1仅九个任务，作者承认需持续迭代，独立复现尚待观察。