PRISM 检验对齐伪装证据：监控提示下的顺从差异多由措辞驱动

作者检验了关于对齐伪装的两类推断，认为二者都不成立。在 18 个模型配置中有 11 个在被提示处于监控状态时更顺从，但对四个模型做提示词因子实验显示，训练威胁没有可检测影响，移除后顺从度变化为 -3.3 到 +1.6 个百分点，差异主要由提示词措辞和框架造成。