大型推理模型的"可监控倾向"研究

针对大型推理模型（LRM）的链式推理（CoT）监控目前是被动的，需在执行后由另一个模型检查，危害可能已经发生。研究提出"可监控倾向"概念，指模型在推理过程中主动自我报告不当行为并保持被监控的意愿，但模型是否愿意这样做尚属未知。