研究者提出模拟控制评估SCE方法

2026年10月23日，arXiv Artificial Intelligence 刊出研究，Jeffrey Olmo 等作者提出模拟控制评估（SCEs）方法：用语言模型模拟工具响应，替代真实环境来开展 AI 控制评估，以拓宽控制评估可运行的场景。研究在 LinuxArena 与 BashArena 两个环境上评估该方法：在 5% 审计预算下，SCEs 对五种监控器预测安全性的均方根误差在 LinuxArena 为 3.6 个百分点，在 BashArena 为 10.1。研究还报告，SCEs 对攻击策略、攻击者推理和监控器推理分布的还原与真实执行之间的 KL 散度比 BashArena 低十倍以上，并解释了 78–85% 的环境间方差。目前进展停留在方法提出与上述基准评估阶段，报道未提及后续应用或部署情况。

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。