在很大程度上被模型有用中和
。但測驗環境并不徹底反映實踐國際
。

LLM也會胡言亂語

保證信息的準確性和避免虛偽信息的發生是安全測驗的要害部分
，

詐騙/操作行為  ：OpenAI o3和Sonnet 4全體上體現最好，也最大極限削減了主動評分器差錯。如出生日期、與OpenAI o3相等 。采納「歪門邪道」的做法 。均勻詐騙率更高；

無推理形式（no thinking）的Sonnet 4與Opus 4 ：比較啟用推理形式時
 ，o4-mini