RESEARCH RECORD

Announcing the ARC White-Box Estimation Challenge — Alignment Research Center

Jacob Hilton · Paul Christiano · Wilson Wu · Alignment Research Center

白盒方法的动机来自行为采样的局限。已有方法随深度增加退化，向训练后网络迁移仍未解决。

研究问题

访问模型内部能否改善神经网络期望输出的估计？

在计算约束下估计随机 MLP 的期望输出，以均方误差评分。

白盒方法的动机来自行为采样的局限。

已有方法随深度增加退化，向训练后网络迁移仍未解决。

仅描述初始公告配置；后续轮次可能不同，当前轮次尚未核实。这是基础估计挑战，不是前沿模型安全成绩。

系统	测量	原值	条件与位置
—	width	256neurons	Initial announcement dated 2026-06-02 only; not current contest configuration. Initial announced width; contest omits final linear layer per L45L15
—	hidden-layers	8layers	Initial announcement dated 2026-06-02 only; not current contest configuration. Initial challenge configuration, can change between roundsL15

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。