The Decoder· Manuel Uth·· 2 小时前AI 评分58
新研究：AI 审计模型能抓住多数智能体违规，但误报淹没人工复核
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 能否像人类复核者一样从 MALT 数据集中找出智能体违规行为。
来源：The Decoder · the-decoder.com