Google DeepMind 对齐研究员 Victoria Krakovna 介绍「图谋」蜜罐评测方法

Google DeepMind 对齐研究员 Victoria Krakovna 在 TAIS 2026 演讲中介绍 scheming honeypot 评测：在 Google 对齐研究代码库中设置编码任务，故意给失对齐模型追求工具性目标、破坏安全护栏的机会。