Alignment Forum · 原文 2026/10/22
Anthropic 的 evhub 在个人博客中提出将可监控性分为控制、训练、审计和弥散四类，并指出可信性是当前最大的概念不确定性。他建议用审计可监控性评估来确定可信性，用实际部署的最佳可信监控器评估控制和训练可监控性，并至少做提示迭代式引出。
内容拆解等待后台处理。 已有导读和原文可正常阅读。