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
- Danh mục
- Bài báo & nghiên cứu
- Điểm 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。
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.
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/