AI 评估与监督的极限：基于分割理论的分析

研究人员提出 AI 评估的分割理论，证明判断受限于感知，通过回声测试（echo test）可设定能力下限但无法检测隐藏。 该理论扩展至监控集成与模型控制信道，解释了裁判分歧与沙袋效应（sandbagging）的已发表发现，并推导出可测试预测。 仅依赖行为评估的安全论证必须假设模型配合，否则无法证明其缺乏某种能力。