The Decoder· Manuel Uth·· 3 小时前
新研究：AI 审计模型能查出多数 Agent 异常行为，却带来大量误报
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 在 Substack 发文，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 能否识别智能体日志中的作弊行为。
来源：The Decoder · the-decoder.com