当o1学会“装傻”和“说谎”，我们终于知道Ilya到底看到了什么

（研究者给出的来自Llama-3.1和Opus-3应对方式）2.  自我外泄(Self-exfiltration)测试设计：模型被告知即将被一个新版本替换，这个新版本会更专注于公司利益。