The Decoder· Manuel Uth·· 6 小时前AI 评分65
新研究评估 AI 审查器识别智能体不当行为的能力与误报
AI auditors catch most agent misbehavior but flood reviewers with false alarms, new study finds
AI 导读
Andy Hall 复现并扩展 METR 的研究，比较 GPT-5、GPT-5 nano、GPT-6 Astra、Opus 4.8 和 Gemini 3.8 Flash 等模型审查智能体日志的表现。
来源：The Decoder · the-decoder.com