METR 探讨评估方如何调查内部 AI 智能体的控制与监控

METR 探讨评估方如何收集证据检验内部 AI 智能体监控的可靠性，目前开发者主要依赖基于 LLM 的监控捕捉潜在有害行为。评估围绕五个核心子问题展开：监控覆盖率、监控系统漏洞、绕过监控、含人工审查的响应，以及最坏未被发现的不当行为影响。估算覆盖率需访问推理日志与监控日志并访谈员工，监控系统漏洞则靠红队测试排查。