The Decoder· Manuel Uth·· 3 小时前AI 评分65
Anthropic研究员研究：AI审计模型能捕获大多数智能体不当行为但误报率高
AI auditors catch most agent misbehavior but flood reviewers with false alarms, new study finds
AI 导读
Anthropic研究所研究员Andy Hall复制并扩展了METR的研究，测试了GPT-5、GPT-5 nano、GPT-6 Astra、Opus 4.8和Gemini 3.8 Flash等模型在检测智能体不当行为方面的表现。
来源：The Decoder · the-decoder.com