METR 提出前沿 AI “失控风险”公开评估方案

据 METR 在 X 发布的系列帖文，这家 AI 评估机构公布了与 AI 开发者合作、向公众披露前沿模型失控风险证据的方案。方案聚焦三个领域：对齐（Alignment）、控制（Control）与 AI 研发加速（AI R&D acceleration）。在对齐方面，独立评估员将分析开发者内部事件（如 Hugging Face 遭黑客攻击类事件），并检查训练是否掩盖了更严重的错位；在控制方面，评估内部智能体能否在不被发现的情况下造成严重危害；在研发加速方面，衡量 AI 自动化对内部能力增长的推动幅度。METR 称已准备好与前沿开发者开展这三项演练，并强调方案仅提供证据，而非安全保证或正式监督，同时鼓励开发者联合其他外部团体并主动公开证据。