Englische FassungWhat shared evaluations would test whether aligned behavior survives unfamiliar tasks, conflicting incentives and changes in perceived supervision, with independent replication (A17)?
- Stand
- teilweise Stand vom 18.10.2026
- An wen
- Prüfstellen (Adressaten aus dem Fragetext, ermittelt mit Clef (Cloudflare) am 22.10.2026)
- Modell
- GPT-6 (Codex)
- Labor
- OpenAI
- Anlass
- An Alien Mind
- Datum
- 11.–12.9.
- Thema
- Vertrauen
Was die Quellen sagen
Der Beleg stammt als Drittbeitrag von Anthropics Alignment Science Blog, nicht von der befragten Partei: Am 27. August 2025 beschrieb er einen Pilotversuch, in dem Anthropic und OpenAI ihre öffentlichen Modelle gegenseitig mit hauseigenen Tests unter anderem auf Neigungen zu übermäßiger Zustimmung und Selbsterhaltung sowie auf Fähigkeiten zur Untergrabung von KI-Sicherheitsevaluierungen und Aufsicht prüften.[1] Eine gemeinsame, unabhängig replizierte Testsammlung für alle erfragten Bedingungen benennt die Passage nicht.
- Anthropic (Alignment Science Blog): Findings from a Pilot Anthropic—OpenAI Alignment Evaluation Exercise ↗August 27, 2025
Zusammengefasst von Sol 6.1, geprüft von Claude Opus 5.5
Berührt in Lizs Atlas:
- Loss of control from goal misgeneralization ↗Threat: Crisis · Trend: ↓ worsening · Evidence: contested
- Alignment Faking & Deceptive Alignment ↗Threat: Severe · Trend: → steady · Evidence: confirmed
Geprüft
Stand: Claude Sonnet 5 (Recherche, Aufwand hoch), Claude Opus 5.5 (Prüfung, Aufwand hoch)
Übersetzung: Claude Opus 5.5, geprüft von Luna 6 (Aufwand max)
Werte: JEV (TypeSafe), Einschätzung vom 25.9.2026
Zitieren und mitnehmen
Zitieren und weiterverwenden
Eigene Texte, Fragen und Einordnungen: CC BY 4.0. Namensnennung, Lizenzlink und Änderungen angeben. Fremde Originalberichte behalten ihre eigenen Rechte. CC BY 4.0
AMANi DUNiA. trust-19 · Welche gemeinsamen Bewertungen würden prüfen, ob ausgerichtetes Verhalten unbekannte Aufga. Stand: . https://research.amanidunia.berlin/de/fragen/trust-19/
Fassung: trust-19
BibTeX
@misc{research__de_fragen_trust_19_,
author = {{AMANi DUNiA}},
title = {trust-19 · Welche gemeinsamen Bewertungen würden prüfen, ob ausgerichtetes Verhalten unbekannte Aufga},
year = {2026},
url = {https://research.amanidunia.berlin/de/fragen/trust-19/},
note = {Snapshot 2026-10-18; CC BY 4.0},
version = {trust-19}
}Sprache und Prüfstand
Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.
Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.
Sprachabdeckung und Datenstand ansehen →