The Decoder· Manuel Uth·· 3 小时前AI 评分51
Anthropic研究员比较多个模型审计智能体异常行为的效果
AI auditors catch most agent misbehavior but flood reviewers with false alarms, new study finds
AI 导读
Anthropic Institute研究员Andy Hall复现并扩展METR研究，测试GPT-5、GPT-5 nano、GPT-6 Astra、Opus 4.8和Gemini 3.8 Flash审计智能体异常行为的效果。
来源：The Decoder · the-decoder.com