Agent面试筛除错位模型

研究团队公布多模型选模实验结果：当10个候选模型中混入1至6个描述看似无害、实际错位或不安全的模型时，Agentic面试与Nested selection均能将其过滤，使所选团队保持81%至83%的干净率。 两种方法的筛选效果相近；仅依据模型描述进行“招聘”，结果与随机选择相同，干净率为65%。基于能力的筛选器则可扩展至更大候选池，并迁移到未见任务，较随机或启发式选择最多高出36.1%，表现也可超过最强单一模型。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。