Chinese contente-PoG 博弈框架缓解智能体欺骗行为，较最强基线提升 26.0%
不靠简单监控，而是让监控器和模型在博弈里互相牵制，再由验证器兜底， deception 缓解比基线高 26.0%。做智能体评估或 AI 安全的人可以看看，实验用的 Gemma3 和 Qwen3 都是小模型，代码也开源了，能直接跑。
不靠简单监控，而是让监控器和模型在博弈里互相牵制，再由验证器兜底， deception 缓解比基线高 26.0%。做智能体评估或 AI 安全的人可以看看，实验用的 Gemma3 和 Qwen3 都是小模型，代码也开源了，能直接跑。