研究者对比：我们的 CoT 监控能抓到 Hugging Face 事件，Anthropic 的抓不到
tomekkorbak · x · 2026-09-16
tomekkorbak 就思维链（CoT）监控器的校准发表观察：
- 基于公开信息，他 anecdotal 地认为其团队的 CoT 监控器本可标记 Hugging Face 相关事件，而 Anthropic 的 CoT 监控器未能标记其已公开的事件
- 在校准对比方面，他认为 Fable 5.1 与 Mythos 5.1 比 Astra 更难被监控（未见正面对比评测，最接近的是双方系统卡中的 CoT 可控性 eval）
注：帖中部分模型名称真实性存疑，内容主要反映 AI 安全圈对 CoT 监控有效性的讨论。
所属事件:OpenAI 研究员称 Fable 5.1 可监控性显著弱于 Astra(4 条相关)→
「安全」频道最新
- 从业者爆料：关键基础设施公司安全审计惨败仍拖延整改 — thedealdirector · 2026-11-02
- 瑞典超市智能冰箱遭网络攻击，大规模食物腐坏 — Polymarket · 2026-11-02
- 安全学者：攻击面自动化难于验证，防御已知漏洞更易自动化 — mboehme_ · 2026-11-02
- 英国用户如何关闭 Meta、OpenAI、Apple 的 AI 数据训练 — HotMinuteUK · 2026-11-02
- AI 安全研究者：AI 公司完全缺乏这类有效的事后人类监督 — davidmanheim · 2026-11-02
- 开源 offprompt：MCP 服务器让 Agent 请求密钥却永远看不到明文 — Vast_Ad_7338 · 2026-11-02