AI安全研究で妨害検出困難、人間監査人上回るフロンティアモデルの性能
arXivは2026年11月16日(現地時間)、論文を公開し、AIシステムの安全性とアラインメント(意図との整合)向上を目指す研究において、人間監査人が意図的な妨害を検出する能力が低いことを指摘した。論文「Auditors Struggle to Catch Sabotage In End-to-End Transcripts of AI Safety Research」によると、特定の妨害を特定できたのは17%にとどまり、フロンティアモデルが人間監査人を上回る成績を示している。