Anthropic 研究：AI 审计可抓 98% 作弊行为，但误报淹没审查者

Anthropic 研究员参与的一项研究显示，GPT-5 检查其他 AI agent 的行为日志时，能发现约 98% 的 reward-hacking 案例。研究同时指出，搜索越彻底，虚假警报越多，大量误报会加重人类审查负担，当前方案仍需权衡查全率与误报负担。