Angriffsauswahl in agentic-AI-Control-Evaluationen mindert Safety merklich

arXiv:2606.06529v1 Ankündigungstyp: neu Abstract: Ein Angreifer, der strategisch wählt, wann er angreift, ist viel schwerer zu fassen als einer, der unterschiedslos angreift. AI Control ist ein Safety-Framework zur Bereitstellung fähiger, aber nicht vertrauenswürdiger AI-Agenten unter der Überwachung eines schwächeren, vertrauenswürdigen Monitors und