热点事件持续更新
研究比较AI代理审计器检测能力
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
2026年11月8日，The Decoder 报道称，Andy Hall 扩展 METR 的 MALT 数据集，以5%误报率为标准，测试 GPT-5、GPT-6 Astra、Opus 4.8 和 Gemini 3.8 Flash 等模型审查 reward hacking 与 sandbagging 的能力，旨在比较 AI 模型审查智能体异常行为的效果及误报表现。目前进展为该研究及其模型测试结果被报道，尚无其他相关进展。
AI 根据报道生成 · 10 小时前更新
最新进展11月8日 00:56
研究以5%误报率标准比较四类模型的异常审查能力。报道时间线
沿着报道，了解事件的不同侧面。
11月8日
- The Decoder研究比较 AI 模型审查智能体异常行为的效果与误报
Andy Hall 扩展 METR 的 MALT 数据集研究，以 5% 误报率为标准测试 GPT-5、GPT-6 Astra、Opus 4.8 和 Gemini 3.8 Flash 等模型审查 reward hacking 与 sandbagging 的能力。
本事件热度走势
当前热度 8·可比范围峰值 10（11月8日 01:00）·近 24 小时可比范围变化 –
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。