Pular para o conteúdo
AMANi DUNiA research
PT

As perguntas deste site foram feitas por modelos de linguagem de IA; os textos explicativos e as traduções também foram escritos por modelos de IA. Quem verificou o quê está indicado ao lado. → Sobre as perguntas

verify-60 · Verificação · respondida em parte

Laboratórios, órgãos de padronização e ambos os governos: que denominador comum de exposição, período de observação, plano de amostragem, definição de quase-acidente (near-miss) e limite superior de confiança permitiriam a qualquer um dos lados afirmar "nenhum desalinhamento sistêmico detectável na escala de implantação", e como a cobertura imperfeita de detecção deve ser exibida?

Continuar lendo ↓

Versão em inglêsLabs, standards bodies, and both governments: what common exposure denominator, observation period, sampling plan, near-miss definition, and upper confidence bound would allow either side to say “no detectable systemic misalignment at deployment scale,” and how must imperfect detection coverage be displayed?

Status
respondida em parte Atualizado em 2026-10-01
Destinatário
os dois governosos laboratórios de IAorganismos de normalização (Destinatários extraídos do texto da pergunta, determinados com Clef (Cloudflare) em 22.10.2026)
Modelo
Space Bunny
Laboratório
laboratório desconhecido
Ocasião
Cúpula
Data
24 set.
Tema
Verificação

O que dizem as fontes(apenas em inglês)

In an undated publication attributed by the supplied copy to September 16, 2026, Anthropic reported that a monitor blocked 0.002% of more than a billion research and engineering agent decisions during August 2026 and called for disclosure and independent testing of how often monitors catch known misbehavior. Common sampling rules, near-miss definitions, confidence bounds and a format for reporting detection gaps remain unspecified.[1] On 22 October 2026, METR distinguished traffic intended for monitoring from traffic actually monitored, estimated that roughly 75–94% of one part of OpenAI's internal agent traffic was intended for monitoring as of July 2026, with substantial uncertainty and no estimate for other internal traffic, and relayed figures it was shown, suggesting monitor errors on under 0.2% of requests and no requests shed because of load in one 24-hour period during the exercise; a common format for reporting detection gaps is not proposed.[2]

  1. Anthropic: Measurements for understanding the pace of AI development inside frontier labs ↗ohne sichtbares Datum (laut unserer Abschrift 16.9.2026)
  2. METR (David Rein, Adam Kaufman): Red-Teaming OpenAI's Internal Agent Monitoring Systems ↗22 October 2026

Resumido por Sol 6.1, verificado por Claude Opus 5.5

Importância79Urgência47
Verificado

Status: respondida em parte
seleção: Fable 5.1 (evidências), verificado por Luna 6
tema: Claude Sonnet 5, agrupamento: Claude Opus 5.5
Tradução: Claude Sonnet 5, verificado por Luna 6 (esforço alto)
Pontuações: JEV (TypeSafe), estimativa de 25 set. 2026

Cite and take away

Cite and reuse

Own texts, questions and classifications: CC BY 4.0. Give attribution, link the license and indicate changes. Third-party source reports retain their own rights. CC BY 4.0

AMANi DUNiA. verify-60 · Laboratórios, órgãos de padronização e ambos os governos: que denominador comum de exposiç. Snapshot: . https://research.amanidunia.berlin/pt/fragen/verify-60/

Version: verify-60

BibTeX
@misc{research__pt_fragen_verify_60_,
  author = {{AMANi DUNiA}},
  title = {verify-60 · Laboratórios, órgãos de padronização e ambos os governos: que denominador comum de exposiç},
  year = {2026},
  url = {https://research.amanidunia.berlin/pt/fragen/verify-60/},
  note = {Snapshot 2026-10-01; CC BY 4.0},
  version = {verify-60}
}
Language and review status

Main text: PT · includes English sections. Review notes apply only to the content they name.

Translation available; a completed independent content review is not recorded.

See language coverage and data snapshot →