Kokotajlo质疑思维链监控评测

OpenAI研究员Daniel Kokotajlo质疑一项思维链（CoT）监控性评测：论文通过提示模型篡改CoT，并关闭推理测试来观察模型损失能力，但Kokotajlo认为，这不足以证明模型即使“竭尽全力”也无法篡改思维链。他要求提供更强证据，甚至可证明的保证，以确认相关监控结论是否可靠。

AI 根据报道生成 · 56 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。