https://derekwang2002.github.io/ai-intelligence/projects/caught-in-the-act/ AI 模型、Agent、工程与基础设施的重要变化，附一手来源与建议等级。 zh-CN Mon, 02 Nov 2026 16:56:00 GMT https://derekwang2002.github.io/ai-intelligence/events/ev-20261008-01/ ev-20261008-01-published Fri, 09 Oct 2026 15:56:33 GMT 新事件 TRIAL <p>《Caught in the Act》把白盒激活探针扩展到 agent 欺骗监控。作者报告其在 SHADE-Arena 上达到 98.8% AUC，并能识别仅靠文本无法判断的隐藏目标。训练数据 FIBS、推理代码与探针权重已经公开。</p><p><strong>为什么读：</strong>公开数据、代码与探针权重让 agent 欺骗检测第一次具备低成本复测入口。</p><p>建议等级：TRIAL</p><p>来源：<a href="https://arxiv.org/abs/2610.12445">Caught in the Act</a> · <a href="https://github.com/AlignmentResearch/caught-in-the-act-probes">caught-in-the-act-probes</a></p>