The Decoder· Manuel Uth·· 3 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，但误报淹没人工审查
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 METR 的研究，测试 GPT-5、GPT-5 nano、GPT-6 Astra、Opus 4.8 和 Gemini 3.8 Flash 能否识别智能体违规日志。
来源：The Decoder · the-decoder.com