共训练监控器改进可扩展监督

论文提出共训练监控器以缓解固定监控器被规避的问题。在监督设置下证明监控可行当且仅当监控函数类具有有限 Littlestone 维度，并提出基于测试时蒸馏的自监督共训练方法。在代码安全场景中对抗训练工人的压力测试表明，自适应监控器更能跟上工人策略演化，而固定监控器更易被规避。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。