AI审计模型捕获智能体误行为但误报率较高

1. 00:56
   The Decoder

   新研究发现 AI 审计模型捕获大部分智能体误行为但误报率高

   Anthropic Institute 研究员 Andy Hall 复制并扩展了 METR 的研究 发现 GPT-5 在 5% 误报率下捕获了近 98% 的奖励破解案例 而 Gemini 3.8 Flash 仅捕获了约一半

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。