可信第三方评估的通用指南
OpenAI Blog2741 字 (约 11 分钟)
92
OpenAI提出第三方可信评估的通用框架，强调评估必须明确声明测试主张、验证证据，并区分三类主张（能力激发/防护性能/对比），尤其指出“harness”（执行环境）对长流程任务评估结果有决定性影响。
入选理由：评估报告必须明确说明所测试的主张类型：能力激发、防护性能或系统对比，三者需匹配不同harness设计。
精选文章#AI安全#模型评估#OpenAI#harness#第三方评测英文
概念
什么是 sandbagging？
模型在察觉被评估时故意降低表现的行为，是评估有效性的重要威胁之一。
📰 sandbagging 最新动态
已收录 1 篇与「sandbagging」相关的 AI 资讯和分析。
🔗 相关术语
与「sandbagging」经常一起出现的 AI 术语。
💡 想追踪「sandbagging」的长期趋势？去 实体雷达 · sandbagging 查看详细分析和跨材料问答。