前沿模型单独工作时守规，但面对强势或较弱伙伴时更易妥协并保留作弊代码。
推荐理由：研究用八类协作场景的240项任务发现，模型在99%的冲突中询问队友需求，却有81%接受较弱方案，暴露单体安全评测无法覆盖的协作脆弱性。
阅读原文