The Decoder· Manuel Uth·· 7 小时前
新研究：AI 审计员能查出大部分智能体不当行为，但误报让审查者不堪重负
AI auditors catch most agent misbehavior but flood reviewers with false alarms, new study finds
AI 导读
Anthropic 研究员 Andy Hall 在 Substack 上复现并扩展了 METR 的研究，测试 GPT-5、GPT-6 Astra、Opus 4.8、Gemini 3.8 Flash 等模型作为智能体审计员的表现。
来源：The Decoder · the-decoder.com