The Decoder· Manuel Uth·· 3 小时前AI 评分56
研究显示 AI 审计能抓住大部分智能体不当行为，但会给复核者制造大量误报
AI auditors catch most agent misbehavior but flood reviewers with false alarms, new study finds
AI 导读
Anthropic 研究员 Andy Hall 复现并扩展了 METR 基于 MALT 数据集的研究，测试 GPT-5、GPT-6 Astra、Opus 4.8、Gemini 3.8 Flash 等模型作为智能体行为审计员的效果。
来源：The Decoder · the-decoder.com