OpenAI 提出监控性补充指标

OpenAI 发布研究文章，在其此前提出的 g-mean² 监控判别力指标基础上补充两个指标：pair-matched monitorability 在多模型共享的任务实例上做配对比较，避免各模型因有效正例子集不同而混淆评估；post-control risk 模拟监控器拒绝输出后再重试的部署场景，计算系统最终放行坏输出的概率。文章还介绍了对 g-mean² 悲观下界的干预。 OpenAI 说明该部署方案是假设性的，其当前模型并未以这种方式部署。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。