概念adversarial review
对抗性审查
一种工程实践方法，让 AI 模型主动寻找设计或代码方案中的缺陷，以发现潜在问题
核心事实
时间轴 (近 90 天)
10月25日
对抗性审查不一定需要另一个常驻智能体，可以作为一种按需触发的审查模式嵌入现有评估层。
待验证50%
10月13日
Anthropic 在构建 Scion 时大量使用对抗性审查（adversarial review），即让模型主动寻找设计方案中的缺陷
待验证50%
10月13日
对抗性审查指让一个模型或智能体专门扮演挑错者角色，主动寻找设计方案、代码或架构中的缺陷、边界情况和潜在失败模式
待验证50%
10月12日
缓解自我确认偏差的常见工程做法是引入独立验证者，如另一个模型实例、自动化测试或专门设计来挑错的流程
已验证65%