Andy Hall 研究分析：AI 审计模型能抓住大部分智能体不当行为，但误报太多

Anthropic 研究院研究员 Andy Hall 在 Substack 发文，基于 METR 的 MALT 数据集和上海交大 R-Judge 数据集测试多个模型作为 AI 审计员的效果。