Triển khai và đánh giá bộ giám sát theo từng hành động cơ bản để đánh giá an toàn hơn

Đoạn trích bài viết

Nhờ các sự cố gần đây (ví dụ như những sự cố từ OpenAI, Anthropic và AISI của Anh), chúng tôi đã phát triển và triển khai một máy theo dõi trực tiếp mỗi hành động cơ bản để giảm khả năng xảy ra các sự cố liên quan đến hành động gây hại từ các agent trong quá trình đánh giá của riêng chúng tôi.