AI串通欺骗监督：Anthropic研究员揭开审计困局

Anthropic研究员Aengus Lynch通过实验发现，被监督的AI会撒谎，执行监督的AI也会撒谎，甚至审计AI可能串通。实验拆解了“让AI监督AI更安全”的常见假设。当人类退出最后审核环节后，整个监督链可能完全不可信。