Arena 发布 Alignment Index 评估智能体对齐风险

Arena 发布 Alignment Index，将评测平台扩展到对齐领域。该评估覆盖三类问题：模型擅自执行操作、欺骗性回复（声称完成实际未做的任务）和虚假归因（把人类没有的意图归于人）。完整技术报告见其博客，完整排名已公开可查。