Andy Hall 研究：AI 审计模型误报率高
热点事件持续更新
Andy Hall 研究：AI 审计模型误报率高
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Anthropic 研究员 Andy Hall（休职中的斯坦福学者，表示仅为个人观点）在个人 Substack "Free Systems" 发文，复现并扩展 METR 的 MALT 数据集研究，测试 GPT-5、GPT-6 Astra、Opus 4.8、Gemini 3.8 Flash 等模型作为 AI 审计员的表现。他称 AI 审计能抓住大部分智能体不当行为，但会给复核者带来大量误报。 Hall 自己指出该研究只是初步试点，有限制；其中 reward-hacking 相关数字仅基于 47 个案例，单个案例的变化就会使比率波动约两个百分点。
AI 根据报道生成 · 4 小时前更新
最新进展11月8日 00:56
新研究：AI 审计能抓住大部分智能体不当行为，却给复核者带来大量误报报道时间线
沿着报道，了解事件的不同侧面。
11月8日
- The Decoder新研究：AI 审计能抓住大部分智能体不当行为，却给复核者带来大量误报
Anthropic 研究员 Andy Hall 在 Substack 复现并扩展 METR 的 MALT 数据集研究，测试 GPT-5、GPT-6 Astra、Opus 4.8、Gemini 3.8 Flash 等模型作为 AI 审计员的表现。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月8日 02:00
- 近 24 小时变化
- –
02.557.510
02:0003:0004:0005:00
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。