通過環境藍圖改進Petri策劃審計

研究人員引入了一種管道，自動生成環境藍圖（environment blueprints），這是模擬世界用於審計 AI 模型尋找陰謀行為的詳細規範。通過將場景設計與審計執行分開，這種方法解決了默認的 Petri 審計器的關鍵問題：展開與上下文預算過載。在一個案例研究中，審計了 Gemini 3.1 Pro Preview 在 160 個實例中是否存在程式碼破壞行為，藍圖方法相比基線產生了更一致、更現實的審計。評估發現沒有明顯的陰謀行為，只有一個未被提示的關於破壞的深思熟慮的實例，證明了自動化藍圖在可擴展的安全研究中的實用性。