感知之外：AI 评估与监督局限的分区理论

一项分区理论证明，若被评估模型的分区比评估者更精细，它就能通过评估者能评分的所有测试，因此通过测试最多只能证明模型能力下限，无法证明其不具备某项能力。该理论提出回声测试（echo test），并指出在穷尽探测下，回声测试失败会标记所有诚实但较弱的模型，却无法识别伪装成评估者同类的隐藏能力者。仅凭行为评估论证模型缺乏某项能力的安全论证，必须假设模型配合。