AI行为可验证分析框架

本文介绍了Docent开发的分析计划框架，用于可验证的AI行为分析。通过结合查询步骤和阅读步骤，分析计划允许人类审查每个步骤并验证结论。文章以SWE-rebench基准检测作弊为例，展示了框架如何发现奖励黑客等可疑行为，并提供了详细的审计追踪。