★ 3
研究提出前沿 AI 失控风险行为预测框架，13 个模型验证
论文提出一个行为学框架，将前沿 AI 失控风险拆解为动机错位、危害能力、监控规避三要素，通过 13 个可测维度与 29 项评估任务合成失控（LoC）评分。在 13 个前沿模型上，该评分与受控长周期风险场景的失败率高度相关（r=0.84），并可指导针对性微调与监控缓解。
arXiv cs.AI6 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出一个行为学框架，将前沿 AI 失控风险拆解为动机错位、危害能力、监控规避三要素，通过 13 个可测维度与 29 项评估任务合成失控（LoC）评分。在 13 个前沿模型上，该评分与受控长周期风险场景的失败率高度相关（r=0.84），并可指导针对性微调与监控缓解。