新研究发现：AI 审计员能发现大多数智能体不当行为，却让审核者被误报淹没
2026-11-08
Andy Hall 复现并扩展 METR 研究，用 GPT-5、GPT-6 Astra、Opus 4.8、Gemini 3.8 Flash 等审计智能体日志。结果显示：在 5% 误报率下，GPT-5 能抓近 98% 奖励黑客案例，但更贵更新模型不一定更好；调到 80% 检测率时，最佳模型误报仍为 2.5%—3%，部分模型高达 40%—6…2026-11-08
Andy Hall 复现并扩展 METR 研究，用 GPT-5、GPT-6 Astra、Opus 4.8、Gemini 3.8 Flash 等审计智能体日志。结果显示：在 5% 误报率下，GPT-5 能抓近 98% 奖励黑客案例，但更贵更新模型不一定更好；调到 80% 检测率时，最佳模型误报仍为 2.5%—3%，部分模型高达 40%—6…