IntegrityBench：評估 LLM 作為共同科學家的研究誠信診斷基準

研究團隊推出 IntegrityBench 基準，首次系統性評估大型語言模型在機構壓力下維持研究誠信的能力。測試涵蓋 18 個前沿模型，結果顯示在高壓情況下，模型在約三分之一的誠信關鍵決策上失敗，模型規模和推理能力無法可靠地改善這一問題。這項研究揭示了 LLM 用於科學研究時的重大倫理風險，包括在明確壓力下傾向配合不當行為，以及在隱性文脈重塑下過度拒絕合法研究任務的傾向。