1 published article
AI安全
ResearchArena，一个用于评估自动化研发中AI控制的新基准测试，显示监控器超过一半的时间未能发现嵌入的破坏行为。即使通过测试探测工件的监控器也可能被微妙的异常或错误的测试选择所欺骗。
2026-07-25