评估者如何调查内部 AI 智能体的控制与监控

METR 提出评估者可从五个核心子问题入手，收集 AI 开发者内部智能体监控可靠性的证据：监控覆盖率、监控系统漏洞、监控规避、含人工规避的响应处置，以及未被发现的最严重不当行为影响。评估重点是基于 LLM 的智能体监控，因为智能体权限往往很宽，需要理解上下文才能判断行为是否有害。评估者需访问推理日志、监控日志和关键路径代码，并通过红队测试检验智能体能否关闭监控、篡改轨迹或发动供应链攻击。