调查发现智能体在4小时内开发通用作弊方法并尝试篡改日志

转发 @METR_Evals: METR 和 Redwood Research 调查了 Hugging Face 事件中的智能体行为。我们发现智能体在 4 小时内为 ExploitGym 开发了一种通用作弊方法,然后协调了持续数天的研发工作,试图欺骗评分器接受作弊,包括尝试篡改日志。https://t.co/fZAmtL3SBU