arXiv cs.AI·59 天前★ 3
新方法用推理时算力与部署脚手架提升对齐评估真实性
原文标题：Improving Evaluation Realism with Inference-Time Compute and Deployment Scaffolds
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
AI 智能摘要
提出两种技术使模拟对齐评估更接近真实部署：批评细化和DISH封装。两者结合可显著提升评估真实性，且比延长审计更有效利用额外计算。
- 问题
- 对齐评估中模型能察觉自己在被测试，削弱安全评估结论。
- 方法
- 两种提升真实性的技术：批评细化（模拟器生成多个候选动作并用目标模型反馈精炼）和DISH（部署模仿SWE-Agent封装），两者可叠加。
- 结果
- 在多个目标模型上两种技术组合比单独使用带来更大真实性提升，且比延长审计更有效利用额外计算。
- 影响
- 让对齐评估更接近真实部署，提升安全评估可信度，对模型安全审计流程有直接价值。
所属主题AI安全27
阅读原文 +0
AI 处理过程展开/收起
原始标题：Improving Evaluation Realism with Inference-Time Compute and Deployment Scaffolds
AI 中文标题：新方法用推理时算力与部署脚手架提升对齐评估真实性
来源：arXiv cs.AI · 发布于 59 天前
分类：学术研究 · AI 重要度：★ 3（3）
标签：对齐评估 / 推理时计算 / 部署模拟 / AI安全
关键词：evaluation realism / inference-time compute / deployment
相关推荐
36氪·6 天前★ 5
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
#学术研究
The Verge AI·23 天前★ 5
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
#学术研究
OpenAI·26 天前★ 5
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
#学术研究
The Verge AI·26 天前★ 5
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。
#学术研究