廉价审核模型审计：分歧与决策风险存在本质区别

2026年10月27日，arXiv发布针对廉价“System One”内容审核模型的独立审计研究。该模型单次调用成本极低且延迟短，在142,658条标签数据上实现了0.83的零样本分类AUROC。研究证实，在成本降低1至3个数量级的前提下，其准确率与14个前沿推理模型具有统计可比性。 研究进一步指出，该模型置信度混淆了“人类分歧”与“决策风险”两种不确定性。通过分解子问题，可恢复被原生置信度忽略的人类分歧信号。然而审计显示，该方法仅对最弱的模型有效，且表现出强烈的分布敏感性。

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。