论文提出评估的划分理论：行为评估只能证明能力下限

论文证明行为评估只能给出能力下限，无法排除隐藏能力。

资讯摘要

一篇论文提出评估的划分理论，从“判断受感知限制”这一原则出发，把智能体无法区分的输入归为同一等价类。作者证明了一个单侧界：若被评估者的划分比评估者更细，它就有足够分辨力通过评估者能评分的所有测试；他们定义的 echo test 对评估者可评分的测试是完备的。因此通过测试最多只能证明分辨力的下限，无法证明上限。论文还指出，用 echo test 检测隐藏能力方向相反，精确模仿弱模型的行为无法被任何行为评估者识别，并将该界扩展到多监控者集成与模型可控信道。

要点速读

1. 论文提出划分理论：智能体的分辨力即把输入划分为无法区分的类别，分辨力是能力的必要条件而非充分条件。
2. 作者证明单侧界：被评估者划分细于评估者时可通过其所有可评分测试，echo test 对该类测试完备，通过只证明下限。
3. 论文称 echo test 检测隐藏能力会误判诚实弱模型，精确模仿弱模型不可被行为评估识别，并将结论扩展到监控集成与模型可控信道。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。