「诚实电路」遭质疑：kevrussell 承认欺骗探针误报率达 12.40%-68.99%

kevrussell 回应「诚实电路」称谓并承认欺骗探针对照不足，按最佳 AUROC 选择时误报率为 12.40%，按召回率选择时虽捕获全部 165 个欺骗样本，误报率却达 68.99%。他还表示，Astra 虽在 3 组配对中识别出谄媚者，但 head 10.2 模式会随上下文漂移，patch 测试也未缩小「一致性差距」。