The Decoder· Manuel Uth·· 17 小时前AI 评分62
新研究：AI 审计模型能发现多数智能体异常行为，但误报率高
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发现智能体异常行为。
来源：The Decoder · the-decoder.com