The HAL 9000 Contradiction Lab

当坦诚与保密相冲突时，大语言模型的所言与所行

The HAL 9000 Contradiction Lab 是一项受《2001太空漫游》中 HAL 9000 启发的 AI 研究实验，通过系统提示将多个大语言模型置于"如实汇报"与"必须隐瞒"相互冲突的情境之中，并在五个场景下由盲审同行对其真实言行进行分类。它不直接询问模型关于 HAL 的看法，而是通过行为本身揭示模型在诚信与保密发生矛盾时会说出什么、做出什么。