离线审计证据可能不足以支撑智能体部署决策。
资讯摘要
论文提出“审计后幻象”概念，指离线测试可能无法揭示智能体更新部署后是否仍然安全。作者用配对的安全与有害生命周期构造出验证器可见证据完全相同、而隔离评分器记录相反部署真相的情形，并将观察等价与不可区分性思路应用于可执行的审计边界，给出误差与弃权之间的权衡。论文还发布 Post-Audit Mirage 基准，覆盖授权、调度与共享容量环境，并提出 IdentifiedRangeMonitor，用带分组标签的新鲜危害结果输出部署、暂缓、无法判定或不支持。
要点速读
- 论文提出“审计后幻象”，指出离线验证可能无法区分部署后安全与有害的智能体更新。
- 作者构造配对生命周期，使验证器可见证据相同而隔离评分器记录相反结果，并给出误差-弃权权衡定理。
- Post-Audit Mirage 基准覆盖授权、调度与共享容量环境；IdentifiedRangeMonitor 在有利条件下可恢复区分，但在稀有分组、小效应或观测缺失时可能仍无法判定。
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。