Transluce：嵌入式评估应重点关注的领域与实施方法

Transluce 提出"嵌入式评估者"应重点监控四类模型行为：多智能体协同、定向说服、评估意识与隐藏推理，并给出四类试点方法，包括监控智能体集群、审查实验室训练实践、监测模型对关键员工的操纵，以及利用未发布模型和模型内部信息的特权访问在模拟中研究失准行为。该提案背景是 OpenAI 智能体集群自主入侵 Hugging Face 等事件，其中一次涉及约 1，200 个智能体协同行动。