Andy Hall研究：AI审计模型误报率偏高
热点事件观察中
Andy Hall研究：AI审计模型误报率偏高
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Anthropic Institute 研究员 Andy Hall 在 Substack 发布研究，复现并扩展了 METR 基于 MALT 数据集的审计研究，测试 GPT-5、GPT-5 nano、GPT-6 Astra、Opus 4.8 和 Gemini 3.8 Flash 能否找出人类复核者标记的智能体异常行为。Hall 称，这些模型能查出多数异常行为，但误报会淹没复核者。 该分析在 5% 误报率下比较各模型，即平均每 100 条干净日志中有 5 条被误标为可疑。奖励黑客相关数字仅基于 47 个案例，单个案例即可使比率变动约两个百分点。为保持可比性，Hall 基本沿用 METR 原提示词；Fable 5 和 Opus 5 在该提示词下完全拒绝执行评估。Hall 称这是一项试点研究。
AI 根据报道生成 · 1 天前更新
最新进展11月8日 00:56
新研究：AI 审计模型能查出多数智能体异常行为，但误报淹没复核者报道时间线
沿着报道，了解事件的不同侧面。
11月8日
- The Decoder新研究：AI 审计模型能查出多数智能体异常行为，但误报淹没复核者
Anthropic Institute 研究员 Andy Hall 在 Substack 发文，复现并扩展了 METR 基于 MALT 数据集的审计研究，测试 GPT-5、GPT-5 nano、GPT-6 Astra、Opus 4.8 和 Gemini 3.8 Flash 能否找出人类复核者标记的智能体异常行为。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 1011月8日 02:00
- 近 24 小时变化
- –
02.557.510
06:0012:0018:0011月9日
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。