AI Qazaqstan
Компании

Материал на языке оригинала: English.

Evaluating chain-of-thought monitorability

OpenAI introduces a new framework and evaluation suite for chain-of-thought monitorability, covering 13 evaluations across 24 environments. Our findings show that monitoring a model’s internal reasoning is far more effective than monitoring outputs alone, offering a promising path toward scalable control as AI systems grow more capable.

18 декабря 2025 г. · Источник: OpenAI news

Полный текст доступен у источника.

Читать у источника →

Ещё в теме

КомпанииИзмерение того, как агенты ИИ занимаются повседневной наукой о мокрой лабораторииOpenAI вводит Bio BasicsBench, 100-задачный эталонный показатель, измеряющий, насколько хорошо агенты АИ интерпретируют необработанные экспериментальные данные и занимаются повседневной наукой о мокрых плитах.OpenAI news