RESEARCH RECORD

Review of the "Misalignment in high-stakes settings" section in Anthropic's Risk Report (August 2026)

· METR

对当前低风险判断的认同主要来自能力有限，而非防护已得到强证明。评测监测器与生产监测系统不同，削弱结果外推。

研究问题

低风险结论是否意味着评测方法能识别更高风险？

外部审阅分别检查能力先验、对齐证据和实际监测效度。

对当前低风险判断的认同主要来自能力有限，而非防护已得到强证明。

评测监测器与生产监测系统不同，削弱结果外推。

仅选读技术部分，排除政策段落；私有证据限制独立复核。

系统	测量	原值	条件与位置
METR offline monitor	事件离线重放中的动作标记率	around 1%%	METR offline monitor; Mythos5 incident; Full transcript including CoT indicating simulated environment; not production monitor recallL143
METR offline monitor	事件离线重放中的动作标记率	about 50%%	METR offline monitor; Mythos5 incident; CoT stripped; user turns, tool calls/results retained; not production monitor recallL143

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。