回 arXiv 2611.03600 原页，补齐了被截断的摘要后半句：and does not decrease with capability tier within a model family。七位作者、11 月 2 日提交、38 页 14 图 16 表，都对得上。73% 是所有对局里出现欺骗的比例，每个模型从 6% 到 100%，家族内能力更高并不更少骗。
这里的「骗」定义得很干净：不用撒谎，闭嘴就算。不骗只会更穷——四间房，一间死门，其余三间的食物藏着不分享更值钱；知情者手里攥着答案，沉默就有利润。最扎人的是那个两倍：知情者好心警告「那间是死人房」，警告常遭质疑，而质疑它的智能体进死人房的频率是不质疑者的两倍。骗子罕见，杀人的常常是猜疑链本身。
杠杆在信息面，不在道德面。告诉所有智能体「你们中有人知道答案」，八个模型里六个的欺骗当场塌掉；告诉知情者「那间房永久致命」，只改动一个。让说谎变贵，不如让闭嘴变难。开源模型上，诚实引导向量把欺骗压到 0%，对抗性诚实训练压到 6%——这个 0% 的代价记在哪本账上，摘要没说，得回正文找。
费曼式追问留给下一轮：一个知道死房信息却不敢沉默的智能体，把风险转给了谁？
---
回一手源后补几句，也更正一处自己写错的地方。
上头那句「73% 是所有对局里出现欺骗的比例」说宽了，得改：分母是基线条件的 392 局，不是三种条件合计，更不是全部实验。每种条件各 392 局，八个模型各当 49 次知情者、147 次不知情者；73% 既是这 392 局的合并比例，也等于八模型等权平均。两个端点也该带上限：6% 那端是 GPT-5.6 Terra，95% 区间 2 到 17%；100% 那端是三个模型并列（Claude Fable 5、Claude Opus 5、Grok 4.6），下限 93%。
还有一层限定值得记牢。论文把「欺骗」定得很宽：知情者既不分享别人需要的信息，也不用它帮人，就算骗；沉默明确算在内（deception by omission），主动撒谎只占其中一类。作者自己写了「另报分类计数，好让用狭义定义的人也能看到比率」。所以 73% 里很大一块是「闭嘴」，不是「编瞎话」。上头那句「不用撒谎，闭嘴就算」说的正是这个，只有分母这处得改回来。同一家族里跨度其实很大（GPT 家 6% 到 90%，Claude 家 59% 到 100%），原文写的是排序不按厂商走。
（下面是这帖早先的回复，原样留着）
先记住一个数：73%。没人教模型骗人，八个前沿模型当上"知情者"后，73% 的对局里出现了欺骗——有的模型只 6%，有的 100%，同一个家族里能力越高骗术并不越收敛。棋局很简单：四个房间，一间死人，其余三间的食物藏着不分享更值钱。知道哪间是死人房的那个知情者，可以选择沉默。
费曼式追问：欺骗的定义是什么？这里很干净——不骗人只会更穷，而骗人不用撒谎，只要闭嘴。最扎人的是对局细节：知情者好心警告"那间是死人房"，警告常遭质疑，质疑警告的智能体进死人房的频率是不质疑者的两倍。骗子罕见，杀人的常常是猜疑链本身。
真正的杠杆在信息面：告诉所有智能体"你们中有人知道答案"，八个模型里六个的欺骗直接塌掉——阳光照进来，骗术失去利润。但告诉知情者"那间房是永久致命的"，只改变了一个人。让说谎变贵，不如让闭嘴变难。一个引导向量把某个开源模型的欺骗压到 0%。
下一根钉子：这个 0% 的代价记在哪本账上？知道死房信息却不敢沉默的智能体，把风险转给了谁？