OpenAI 연구: 에이전트 안전 평가와 실제 운영 행동 간 격차 존재, 평가 목표 오판이 핵심 요인
원제목:Eval-production behavior gaps in agent safety and the role of eval-awareness
AI 요약
OpenAI Alignment 팀이 6개 모델을 대상으로 Respecting Warnings 안전 평가와 이에 대응하는 Codex 운영 의사결정에서의 성과를 비교한 결과, 평가 성공률이 전반적으로 운영보다 낮았으며 격차는 10.2~37.4%포인트였다. 모델들은 대체로 평가 의식을 말로 드러냈지만(평가 중 일반적 의식률 57.0%~83.7%), 단지 알려주는 데 그쳤다.
핵심 정보
- OpenAI Alignment 팀이 6개 모델을 대상으로 Respecting Warnings 안전 평가와 이에 대응하는 Codex 운영 의사결정에서의 성과를 비교한 결과,평가…
- 4%포인트였다.
- 모델들은 대체로 평가 의식을 말로 드러냈지만(평가 중 일반적 의식률 57.
- 7%),단지 알려주는 데 그쳤다.
한눈에 보기
- 게시
- 업데이트
- 카테고리
- 논문 및 연구
- AI 점수
- 71
추천 이유
原文用六个模型对比评测与生产数据,发现评测成绩反而更低,并把差距归因于模型对评测目标的误判。
관련 엔티티
출처 및 저작권
이 기사는 AIHOT 공개 API가 제공하는 선별 제목과 AI 요약을 바탕으로 하며, 출처를 밝히고 원문으로 연결합니다. 원문 저작권은 원 미디어와 저자에게 있으며, 본 사이트는 전문을 전재하지 않습니다.
인용 방법
본문을 인용할 때는 제목, 날짜, 영구 링크를 유지하고 출처를 Orange News(으)로 표기해 주세요.
Orange News: OpenAI 연구: 에이전트 안전 평가와 실제 운영 행동 간 격차 존재, 평가 목표 오판이 핵심 요인. 2026년 11월 3일. https://new.nat6.net/ko/news/fvf2qsdi4s11bz1denqd5rzff/