The Decoder· Manuel Uth·· 3 小时前AI 评分56
AI 审计模型能捕捉大部分智能体违规行为但误报率高，新研究发现
AI auditors catch most agent misbehavior but flood reviewers with false alarms, new study finds
AI 导读
研究者 Andy Hall 复现并扩展了 METR 的 MALT 数据集实验，测试 GPT-5、GPT-6 Astra、Opus 4.8、Gemini 3.8 Flash 等模型在检测智能体奖励欺骗和沙袋行为上的表现。
来源：The Decoder · the-decoder.com