The Decoder· Manuel Uth·· 2 小时前AI 评分58
Andy Hall 复现研究：AI 审计模型可检出多数 Agent 不当行为，但误报过多
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 发布对 METR MALT 数据集的复现与扩展研究，测试 GPT-5、GPT-6 Astra、Opus 4.8、Gemini 3.8 Flash 等模型审计 Agent 不当行为的能力。
来源：The Decoder · the-decoder.com