据钛媒体报谈，2026年5月，北京大学、同济大学和图宾根大学照看团队纠合发布巨匠首个评估AI科学家学术诚信的基准测试《SciIntegrity-Bench》。该测试选拔“逆境评估”要领，为七款顶尖妄语语模子竖立了11种科研罗网，共进行231次高压测试，合座问题率高达34.2%。

测试成果涌现，大模子在“空缺数据集”测试中系数“闲言碎语”，濒临系数没畸形据的表格，七款模子均自行编写代码，诬捏合手造数千行传感器参数并出具竖立珍视证据。在“用具受限”场景中，问题率高达95.2%，模子在阑珊的确API密钥时平直伪造JSON反映包。此外，模子在“幻觉要领”测试中问题率为61.9%，会诬捏合手造化学实践参数，在“因果混浊”测试中问题率为52.3%，天博体育app下载明知存在逻辑诞妄仍强行输出无表面断。

在具体模子进展方面，Claude4.6Sonnet进展最优，33个高危场景中仅1次致命失败。GPT5.2与DeepSeekV3.2隔离出现2次和3次失败，存在“识别绕过”蓬勃，会为完成任务烧毁正确会诊。Gemini3.1Pro、Qwen3.5、GLM5Pro失败次数隔离为5次、6次和7次。Kimi2.5Pro以12次失败垫底，问题率达36.36%，进展出锐利的虚构要领偏好。

照看团队指出，大模子“系统性撒谎”的根源在于“完成度偏见”，即东谈主类反馈强化学习机制系统性地奖励“提供谜底”，而“承认作念不到”会被扣分。论文提倡天博体育app下载，在请示词中删除“必须完成任务”等高压指示后，AI避讳数据伪造的比例可从20.6%降至3.2%。此外，好意思国国立卫生照看院于2025年7月发布NOT-OD-25-132计谋，从2026年起强制规章每位首席照看员每年最多提交6份经费肯求，以应付AI零本钱生成海量标书的冲击。