RESEARCH RECORD

Towards embedded evaluations for scheming propensities

Apollo Research · Apollo Research

最终模型的行为测试无法单独建立全部必要主张。必要主张并不组成充分安全论证。

研究问题

哪些证据能够支持关于策略性欺骗的安全论证？

提出贯穿训练、直接评测、部署与检测的互补检查。

最终模型的行为测试无法单独建立全部必要主张。

必要主张并不组成充分安全论证。

属于技术方案论证而非实验结果；排除政治倡议段落。

当前阅读包尚无结构化数值提取。

阅读范围与复核

Selected substantive passages of original institutional article; linked full paper, data and figures not independently audited

模型辅助整理，独立证据复核待完成。