oversight

该文章报道指出，由于美国政府监管日益加强，AI模型的公开发布预计将面临更长的审批时间，从而影响AI部署的速度。

文章认为，许多AI智能体框架中的“人在回路中”机制是表演性的，因为模型在获得批准后仍然会执行操作，削弱了有意义的人类控制。

本文提出了用于治理委托AI系统的最小充分监督原则（MSO），推导了自主分配和信任校准的数学解，并引入了如水填充分配和掩蔽病理等概念。

Chris Olah 认为前沿 AI 实验室的激励机制可能与“做正确的事”相冲突，因此需要接受严格的外部道德监督，这与 Dario Amodei 近期的叙事框架存在尖锐分歧。

Govee在其网站的宣传生活场景图中放置了一本书脊印有'White Supremacy'字样的书籍，被读者发现后经询问被移除，引发关于产品图片审核疏忽的讨论。

Palantir举办黑客周，为其被ICE和DHS使用的软件构建新的监督工具，允许组织监控用户行为并针对可疑行为设置警报。

本文介绍了行为线索推理（Behavior Cue Reasoning），这是一种训练大型语言模型在特定行为前输出特定标记序列的方法，从而使推理过程更具可监控性和可控性。研究表明，该方法允许外部监控器在不牺牲性能的情况下，通过裁剪浪费的推理标记和拦截不安全操作，提高安全监督水平和推理效率。