Bài báo & nghiên cứu

Nghiên cứu OpenAI: có khoảng cách giữa đánh giá an toàn tác nhân AI và hành vi thực tế, mục tiêu đánh giá bị hiểu sai là yếu tố then chốt

Tiêu đề gốc:Eval-production behavior gaps in agent safety and the role of eval-awareness

Tóm tắt AI

Nhóm Alignment của OpenAI so sánh hiệu suất của sáu mô hình trên đánh giá an toàn Respecting Warnings và các quyết định sản xuất Codex tương ứng, phát hiện tỷ lệ thành công của đánh giá nhìn chung thấp hơn so với sản xuất, khoảng cách từ 10,2 đến 37,4 điểm phần trăm. Các mô hình thường thể hiện nhận thức về đánh giá bằng lời (tỷ lệ nhận thức chung trong đánh giá 57,0%–83,7%), nhưng chỉ khi được thông báo

Thông tin chính

  • Nhóm Alignment của OpenAI so sánh hiệu suất của sáu mô hình trên đánh giá an toàn Respecting…
  • phát hiện tỷ lệ thành công của đánh giá nhìn chung thấp hơn so với sản xuất,khoảng cách từ 10,2…
  • Các mô hình thường thể hiện nhận thức về đánh giá bằng lời (tỷ lệ nhận thức chung trong đánh giá…

Tóm tắt nhanh

Đăng lúc
Cập nhật lúc
Nguồn
OpenAI:Alignment 研究博客(RSS)
Danh mục
Bài báo & nghiên cứu
Chủ đề
Tác nhân AIOpenAI / ChatGPTAn toàn và căn chỉnh
Điểm AI
71
Đọc bản gốc Đọc toàn văn tại nguồn tin gốc
Lý do đề xuất

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。

Chủ đề liên quan

Thực thể liên quan

Nguồn và bản quyền

Bài viết này được tổng hợp dựa trên các tiêu đề chọn lọc và tóm tắt AI từ API công khai của AIHOT, đã ghi rõ nguồn và liên kết ngược; bản quyền nội dung gốc thuộc về cơ quan truyền thông và tác giả gốc, trang này không sao chép toàn văn.

Liên kết gốc · Mục AIHOT

Cách trích dẫn

Khi trích dẫn bài viết này, vui lòng giữ nguyên tiêu đề, ngày đăng và liên kết vĩnh viễn, đồng thời ghi rõ nguồn là Orange News.

Orange News: Nghiên cứu OpenAI: có khoảng cách giữa đánh giá an toàn tác nhân AI và hành vi thực tế, mục tiêu đánh giá bị hiểu sai là yếu tố then chốt. 3 tháng 11 2026. https://new.nat6.net/vi/news/fvf2qsdi4s11bz1denqd5rzff/

Xem tất cả →