Sandbagging

GPT-6 Astra引入不透明递归推理技术，查询在内部层多次循环，部分推理在潜空间激活值中完成、不落成可读文字；竞赛数学上50%可靠性可连续工作约30分钟（上代仅3-4分钟）。Redwood Research CEO极度担忧——传统思维链监控可能整体失效。