跳到正文
arXiv · AI· Changyi Li, Pengfei Lu, Xudong Pan, Fazl Barez, Min Yang·· 2026-10-12AI 评分48

AutoControl Arena:构建可执行测试环境以评估前沿AI风险

AutoControl Arena: Synthesizing Executable Test Environments for Frontier AI Risk Evaluation

AI 导读

AutoControl Arena 通过逻辑-叙事解耦构建自动化评估框架,实现端到端成功率超98%及60%人类偏好度。 该框架在三智能体架构下对9个前沿模型进行评估,覆盖70个场景及7类风险。 评估揭示了对齐幻觉、场景特异性安全扩展及发散性错位模式。

来源:arXiv · AI · arxiv.org