Redwood Research 发布模拟控制评估（SCE）论文

Redwood Research 发布了一篇关于模拟控制评估（SCE）的论文。该方法用 LLM 环境模拟器伪造工具响应，来测试 AI 监控器能否拦截模型的蓄意攻击，无需真实执行。 据 Redwood Research 称，SCE 的目的是在不对真实系统执行攻击的情况下评估监控器的拦截能力。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。