日報掲載記事 · 2026-10-25

Redwood、AI監視の模擬評価法を解説、実運用への外挿に限界

米国

Redwoodは23日の著者解説で、AIのツール操作を実行せず応答を模擬し、監視が有害行動を見抜けるかを評価する手法を説明した。関連論文の初提出は22日で、当日の新論文発表ではない。

Redwood Research · 2026-10-23

原記事・発表を見る ↗