FinHotFINHOT / AI 与硬科技 / 论文研究
研究：AI审计模型能发现多数智能体不当行为，但误报率高
Anthropic Institute研究员Andy Hall（个人观点）复现并扩展METR研究，用MALT数据集测试GPT-5、GPT-6 Astra、Opus 4.8、Gemini 3.8 Flash等审计模型。
信源原题：AI auditors catch most agent misbehavior but flood reviewers with false alarms, new study finds
摘要供资讯阅读参考，请核对原文。 反馈与更正 →