我们还研究了“错误归因”现象，即智能体将某句话、请求、选择、批准或事实归因于用户，但用户提供的证据却与这一归因相矛盾。
有趣的是，有些模型错误引用了用户的要求，而另一些模型则将用户的请求归功于其他人。
不同模型中存在不同的模式：GPT-6 Luna和Astra的误引用率很少（分别为15.6%和28.6%），但误归因率较高（分别为53.1%和48.2%）。有趣的是，其兄弟模型GPT-6 Sol的误记录用户历史记录的比例最高，为23.5%。
我们还研究了“错误归因”现象，即智能体将陈述、请求、选择、批准或事实归咎于用户，但……
Arena调查了智能体的“虚假归因”现象，即智能体把陈述、请求、选择或事实归于用户，但与用户提供的证据相矛盾。结果显示不同模型模式各异：GPT-6 Luna与Astra很少错误引用用户（15.6%和28.6%）却常错误归因（53.1%和48.2%），同系GPT-6 Sol错误陈述用户历史的比例最高（23.5%）。数据来自模型对比评测，属可靠性层面的发现，未涉及更深的安全机制分析。
Arena · X
内容说明
原始发布及相关权利归来源方。
机器翻译 · 请以原文为准