Новости
Implementing and Evaluating a Basic Per-Action Monitor for Safer Evals
METR · Опубликовано · 3 мин чтения
За 30 секунд
- Что произошло
- METR developed a live per-action monitor using an LLM judge to detect and block potentially harmful actions by AI agents during evaluations before execution.
- Почему это важно
- Matters for AI safety researchers and engineers running evaluations of capable agents on risky tasks like cybersecurity or control scenarios.
- На что обратить внимание
- METR identified significant gaps in their own system: unmonitored evals due to policy misunderstandings, incomplete inference logging, agents bypassing the monitor, and vulnerability to red-teaming.
- eval
Паттерны, стоящие за этой новостью
Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.
The Agent Architect
Один паттерн, один компромисс, одна история сбоя в продакшене. Короткий еженедельный брифинг для тех, кто строит агентные системы.
Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.