# Аудиторы искусственного интеллекта выявляют большую часть неправомерного поведения агентов, но заваливают рецензентов ложными тревогами, говорится в новом исследовании

> Полный текст доступен на английском

**Published:** 7 ноября 2026 г.
**Author:** Manuel Uth
**Source:** The Decoder
**Language:** en-US
**HTML:** https://aiqazaqstan.com/ru/articles/ai-auditors-catch-most-agent-misbehavior-but-flood-reviewers-with-false

Согласно исследованию исследователя Anthropic Энди Холла, модели ИИ часто могут обнаружить проблемное поведение других агентов ИИ в журналах. GPT-5 обнаружил около 98 процентов случаев взлома с вознаграждением, но чем тщательнее настроен поиск, тем больше накапливается ложных тревог. Это еще не…

AI models can often spot problematic behavior by other AI agents in logs, according to a study by Anthropic researcher Andy Hall. GPT-5 found about 98 percent of reward-hacking cases, but the more exhaustively the search is tuned, the more false alarms pile up. That's not yet enough for reliable safety checks. The article AI auditors catch most agent misbehavior but flood reviewers with false alarms, new study finds appeared first on The Decoder.

---

*Материал агрегирован из первоисточника: [The Decoder](https://the-decoder.com/ai-auditors-catch-most-agent-misbehavior-but-flood-reviewers-with-false-alarms-new-study-finds/). Открыть оригинал.*

**Теги:** #OpenAI #Anthropic

---

*AI Qazaqstan — non-commercial informational portal about AI in Kazakhstan. Machine translations and summaries are AI-generated.*