论文提出离线智能体审计的可识别性边界
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载问题设定
论文关注的是离线审计的盲区：智能体更新在离线测试中表现正常，并不代表部署后仍然安全。作者把这一现象命名为 post-audit mirage，做法是构造成对的生命周期，一组安全、一组有害，两者在验证器可见的证据上完全一致，而一个隔离的评分器记录下相反的部署真实结果。作者把观测等价与不可区分性的思路套用到这条可执行的审计边界上，并给出由此产生的误差与弃权之间的权衡结论。换句话说，审计者看到的证据本身可能不足以区分两种部署结局。
基准与监控方法
为了让这条边界可以实际运行，作者构建了 Post-Audit Mirage 基准，覆盖授权、调度和共享容量三类环境。配套的 IdentifiedRangeMonitor 使用带分组标签的新鲜危害结果，最终给出四种结论之一：部署、暂缓、无法判定或不支持。四种输出意味着方法并不强行给出二选一的判断，而是在证据不足时明确表示无法确定。实验结果显示，在条件有利时监控能够找回被离线审计掩盖的区分；但在稀有分组、效应量较小或观测缺失的情况下，监控可能仍然无法给出结论。
对评测实践的提示
论文由此提出对验证器—智能体评测的要求：不仅要检验计算本身是否正确，还要检验手头证据是否足以支撑部署决策。这一区分对实际做上线前评估的团队有直接含义：审计通过只是必要条件之一，还需要判断证据覆盖的分组、效应大小与观测完整性是否达到可决策的程度。论文共 17 页，代码已公开，被 NeurIPS 2026 的 Who Verifies the Agents? Toward Reliable Agent Development 研讨会接收。
为什么值得看
做智能体上线前评测的团队需要知道：离线审计通过不等于部署安全，评测还要检查证据是否足以支撑决策。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。