展示样本评测与分数的 Inspect 日志查看器界面
Inspect 日志查看器，如项目文档所示。来自项目文档的归档界面示例，并非 METR 漏洞利用复现或 Audit Commons 测试。 Inspect contributors · MIT

隔离暂存环境下的记录篡改演示

METR 10月6日的披露介绍了早前由研究人员在 AI 协助下完成的隔离概念验证。Inspect 查看器注入可能改写显示的交互记录和下载副本，但原始数据库记录保持完整。METR 未观察到智能体利用该漏洞，也未对该技术开展专项排查。Meridian 在收到报告后一天内修复了漏洞；另一次10月1日的变更新增了非信任渲染模式。

可观测性系统的审计启示

这项演示显示，用于检查评测的工具也可能扭曲证据。对于独立审计人员，我们提出以下编辑部核验重点：

  1. 原始证据与渲染界面：将浏览器显示内容和客户端下载副本与单独保存的原始记录比对，并核验原始记录的完整性。
  2. 非信任输入渲染隔离：可观测性工具必须将模型的所有推理过程、文本输出和工具调用视为潜在恶意输入，并默认禁用动态脚本渲染。
  3. 独立的带外验证通道：严格的评测体系需要一条位于被评测智能体执行环境之外的独立审计通道。

评估评测环境时，可参考 METR 此前关于监控器覆盖盲区的分析、英国 AISI 关于评测安全控制的指引，以及本站关于如何审计智能体行动的工作表。