Penyelidikan OpenAI: jurang antara penilaian keselamatan ejen dan tingkah laku pengeluaran, salah tafsir sasaran penilaian faktor utama
Tajuk asal:Eval-production behavior gaps in agent safety and the role of eval-awareness
Ringkasan AI
Pasukan Alignment OpenAI membandingkan prestasi enam model dalam penilaian keselamatan Respecting Warnings dan keputusan pengeluaran Codex yang sepadan, mendapati kadar kejayaan penilaian secara amnya lebih rendah daripada pengeluaran, dengan jurang 10.2 hingga 37.4 mata peratusan. Model secara amnya menunjukkan kesedaran penilaian secara lisan (kadar kesedaran umum dalam penilaian 57.0%–83.7%), tetapi hanya memberitahu
Maklumat penting
- Pasukan Alignment OpenAI membandingkan prestasi enam model dalam penilaian keselamatan Respecting…
- 2 hingga 37.
- 4 mata peratusan.
- Model secara amnya menunjukkan kesedaran penilaian secara lisan (kadar kesedaran umum dalam…
- 7%),tetapi hanya memberitahu
Sekilas pandang
- Diterbitkan pada
- Dikemas kini pada
- Sumber
- OpenAI:Alignment 研究博客(RSS)
- Kategori
- Kertas penyelidikan
- Skor AI
- 71
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。
Topik berkaitan
Entiti Berkaitan
Sumber dan hak cipta
Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.
Cara memetik
Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.
Orange News: Penyelidikan OpenAI: jurang antara penilaian keselamatan ejen dan tingkah laku pengeluaran, salah tafsir sasaran penilaian faktor utama. 3 November 2026. https://new.nat6.net/ms/news/fvf2qsdi4s11bz1denqd5rzff/