模拟控制评估：用语言模型模拟工具响应

论文称模拟控制评估比独立控制设置更能预测部署安全性。

资讯摘要

论文提出模拟控制评估（SCEs），用语言模型模拟工具响应替代真实环境，以扩大控制评估的适用范围。作者在 LinuxArena 上以真实执行为基准，与另一控制设置 BashArena 对比：在 5% 审计预算、五个监控器下，SCEs 预测安全性的均方根误差为 3.6 个百分点，BashArena 为 10.1；SCEs 对攻击策略、攻击者推理与监控器推理分布的还原度更高，KL 散度低十倍以上。

要点速读

1. SCEs 用语言模型模拟工具响应，替代真实环境来运行控制评估。
2. 在 LinuxArena 上，SCEs 预测安全性的 RMSE 为 3.6 个百分点，BashArena 为 10.1（5% 审计预算、五个监控器）。
3. SCEs 解释了 78–85% 的环境间方差，且所用任务对抽样量不足部署任务集的 5%。

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。