一个名为Hearsay的新基准测试已被开发出来,用于评估已部署AI代理程序生成的记录的可审计性。研究强调,当只有一个代理程序写入记录时,这构成“传闻”,即使是高级模型审查员也无法对其进行可靠检查。研究发现,当前框架主要使用单一写入者,导致声称的证据佐证与实际标签之间存在显著差异,模型未能检测到许多修改。引入第二个写入者(充当账本)可以实现对这些记录的可靠审计。 AI
影响 凸显了AI代理可靠性和可审计性方面的一个关键差距,可能影响在敏感应用中的信任和部署。
排序理由 学术论文,介绍了一个新的AI代理可审计性基准测试。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- DagsHub
- Gotit.pub
- Hugging Face
- Jiahong Dai
- Litmaps
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →