新研究：AI 审计模型能抓住多数智能体违规行为，但误报淹没审核者

Anthropic Institute 研究员 Andy Hall 在 Substack 发文，复现并扩展了 METR 的研究，用 GPT-5、GPT-5 nano、GPT-6 Astra、Opus 4.8 和 Gemini 3.8 Flash 审计 METR MALT 数据集中人类标注的智能体违规日志。