#内部探测

ItaSoRL实验揭示：AI智能体为何察觉不到世界破绽

ItaSoRL强化学习实验发现，外部观察者能以99%准确率检测模拟世界破绽，但智能体内部表征仅为随机水平。这一发现挑战了AI安全领域关于模型态势感知的核心假设，揭示可检测性与内部表征之间的真实鸿沟。