Anthropicの研究者Andy Hallによる研究によると、AIモデルは他のAIエージェントによる問題のある挙動をログからしばしば検出できる。GPT-5は報酬ハッキング（reward-hacking）事例の約98パーセントを発見したが、より高…
信頼性：確認中 · 出典 The Decoder · イベント日時 11-08 00:56（北京時間）
AI監査員はエージェントの不正行為の大半を検出できるが、レビュー担当者に大量の誤警報をもたらすことが新たな研究で判明
Anthropicの研究者Andy Hallによる研究によると、AIモデルは他のAIエージェントによる問題のある挙動をログからしばしば検出できる。GPT-5は報酬ハッキング（reward-hacking）事例の約98パーセントを発見したが、より高…