#控制评估

模拟控制评估：用语言模型预测AI安全的新范式

模拟控制评估（SCEs）用语言模型模拟工具响应，在LinuxArena上以3.6个百分点误差预测AI部署安全性，远优于BashArena的10.1，且KL散度低十倍以上，为AI安全评估提供高保真新范式。