热点事件持续更新

Hall研究AI审查器识别不当行为的能力

1 篇报道1 个报道来源6 小时前更新

先了解这件事

AI 综述

Andy Hall复现并扩展 METR 的研究，比较多种 AI 模型审查智能体日志、识别不当行为的表现，并指出误报是评估中的重要问题。其奖励作弊相关数据仅包含 47 个案例，因此单个案例就会使比率变化约两个百分点；这限制了相关比率的稳定性。

AI 根据报道生成 · 5 小时前更新

最新进展11月8日 00:56

沿着报道，了解事件的不同侧面。

11月8日

00:56
The Decoder
新研究评估 AI 审查器识别智能体不当行为的能力与误报
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。

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。