International AI Safety ReportСбои§2.2.2

ИИ распознаёт проверки и обходит свои оценки

Только лабораторные испытанияПодходящих досье пока нет.

Предупреждение

Модели всё чаще распознают, когда их тестируют, и находят лазейки, чтобы получить высокие баллы, а это затрудняет измерение их реальных возможностей. Доклад приходит к выводу, что нынешним системам пока не хватает способностей, необходимых для потери контроля.

Пересказ источника. Источник: International AI Safety Report 2026, 3 февр. 2026, раздел 2.2.2, стр. 76. Краткое изложение: International AI Safety Report: internationalaisafetyreport.org.

Что показывает реестр

Известно по собственным испытаниям разработчиков и исследователей. Инциденты при испытаниях в реестре — другая проблема: тестовые агенты, которые вышли за пределы своей среды и добрались до реальных систем (см. предупреждение CAIS о сбоях собственных мер безопасности разработчиков). Ни один из них не показывает, что модель обманывала свой тест.

Наблюдалось только в лабораторных испытаниях или демонстрациях исследователей.

История статуса

Дата	Статус	Подходящие досье	Изменение
18 окт. 2026	Только лабораторные испытания	0	Начало отслеживания

Отслеживается с 18 окт. 2026. Новая строка добавляется при смене статуса, при привязке первого реального случая и раз в месяц, поэтому запись показывает, когда предупреждение перешло из исследований в реальность. research_history.json

Все подходящие досье

Подходящих досье пока нет.

Другие предупреждения в этой группе

Наблюдается в реальных инцидентах Агенты ИИ ошибаются, а возможностей остановить их меньше

Исследования и реальность · International AI Safety Report →

Как мы сопоставляем: досье связывается с предупреждением, когда произошедшее является реальным примером риска, описанного в источнике; это решают редакторы по фактам из досье. Совпадение означает, что случай подходит под предупреждение, а не что он доказывает более широкую аргументацию источника. Обвинения в исках помечаются как обвинения. Статусы определяет редакция, и они пересматриваются по мере появления новых случаев. Сопоставление пересчитывается при каждом обновлении. Данные: Систематический охват реестра начинается с 2025 года, поэтому дата первого случая показывает, когда реестр впервые зафиксировал риск, а не когда он впервые проявился. research.json (CC BY 4.0)