返回 AI 情报
精选2026-11-15T16:00:00.000ZMETR:Notes

METR 测量模型对对齐评测的识别能力:调查型智能体能区分对齐与能力评测

精选理由

METR 用调查型智能体实测 55 个评测,发现当前模型能识别对齐评测,并给出了环境级与任务级线索的分类方法。

AI 摘要

METR 发布研究笔记,用调查型智能体在 19 个对齐评测和 36 个能力评测中探测环境,测量模型能否识别自己处于对齐评测。结果显示智能体区分两类评测的能力在过去一年持续提升,Opus 5.5 在其数据集上把所有对齐评测排在所有能力评测之上。模型识别依据包括环境看起来像模拟的蜜罐等线索,作者将对齐线索分为环境级和任务级两类,并提出可借此迭代改进对齐评测设计。

原文

Original Title

METR 测量模型对对齐评测的识别能力:调查型智能体能区分对齐与能力评测

Source

METR:Notes

Site

metr.org

Published

2026-11-15T16:00:00.000Z

阅读原文· metr.org

继续阅读