2026-03-10 这一期

这一期没有导语。

本期收录

• AuditBench：评估对齐审计技术 (2026-03-10 · Anthropic Alignment Science)
  Anthropic 发布含 56 个隐藏行为模型的审计基准，发现黑盒工具最有效，白盒工具仅对简单目标有用。