The Decoder· Manuel Uth·· 5 小时前AI 评分65
新研究：AI审计能抓多数智能体异常行为，但误报会淹没审查者
AI auditors catch most agent misbehavior but flood reviewers with false alarms, new study finds
AI 导读
Anthropic Institute 研究员 Andy Hall 复现并扩展了 METR 的研究，测试 GPT-5、GPT-5 nano、GPT-6 Astra、Opus 4.8 和 Gemini 3.8 Flash 能否像人类审查者一样识别智能体异常行为。
来源：The Decoder · the-decoder.com