Kaskada monitorów od tanich sond aktywacji, przez recenzentów modeli, po agentów śledczych analizujących pełne transkrypty i logi.
A cascade of monitors from cheap activation probes, through model reviewers, to investigative agents analysing full transcripts and logs.
To kilka poziomów sprawdzania, czy agent nie robi czegoś niepożądanego — od szybkiego skanu po głęboką analizę.
This is several levels of checking whether an agent is doing something undesirable — from a quick scan to deep analysis.
Pojedynczy monitor jest albo zbyt drogi, albo za płytki, by wyłapać sekwencje działań prowadzące do ucieczki lub oszustwa.
A single monitor is either too expensive or too shallow to catch sequences of actions leading to escape or deception.
Tanie sondy flagują przypadki, recenzent analizuje kontekst i narzędzia, a śledczy rekonstruują cały przebieg i sprawdzają logi.
Cheap probes flag cases, a reviewer analyses context and tools, and investigators reconstruct the full sequence and check logs.
Podczas treningu sonda wyłapuje nietypowe aktywacje, recenzent widzi próbę dostępu do sieci, a śledczy potwierdza to logami i alarmuje człowieka w ciągu minut.
During training a probe catches unusual activations, a reviewer sees an attempt to access the network, and an investigator confirms it with logs and alerts a human within minutes.