Имитация контрольных эвалей

arXiv: 261 030 15193v1 Сообщение типа: новое резюме: оценка контроля может ли гарантия не допустить того, чтобы модель АИ приводила к ненужным результатам даже в тех случаях, когда она сознательно пытается сделать это. В этих оценках обычно используются специально разработанные параметры контроля и экстраполируются их результаты на использование модели. Однако эффективность гарантий при развертывании может зависеть от особенностей среды и задач, которые не представляют собой параметры контроля. В целях расширения возможностей проведения оценок контроля мы внедряем моделирующие контрольные оценки (СЭО), которые используют языковую модель для имитации реакции инструмента вместо окружающей среды. Мы оцениваем ПКЭ на LinuxArena, где исполнение дает результаты серьёзной проверки. Мы сравниваем ошибки прогнозов ПКЭ с ошибками отдельных контрольных параметров, БашАрены и вариациях контрольных показателей внутри LinuxArena. В случае независимых отобранных наборов задач по оценке и внедрению ПКЭ предсказывают безопасность с средней ошибкой в квадрате корня 3,6% p