[控场AI]
待验证50% 置信事实精确时间

研究者将AI代理欺骗缓解形式化为一个评估侧部分可观测扩展式博弈(e-PoG),这是一个max-min框架:代理最大化奖励,监控器从完整交互轨迹中揭露欺骗以最小化代理收益,固定验证器验证监控器声明并转化为惩罚。

1
来源数
50%
置信度
长期有效
时效性
2026/11/10
首次发现

来源

涉及实体

相关事实

引用此条事实

Stable URI
https://kongchang.com/claim/1154477
API
curl https://kongchang.com/api/v1/knowledge/claims/1154477
MCP
get_claim(id=1154477)