コンプライアンス検出器はルールを読んでいない？実態調査

arXiv cs.AI ・ 2026-08-17

原題: What Do Compliance Detectors Read? An Audit of Activation Probes and Guard Models

AI による要約

規制コンプライアンス検出器が、記載されたルールではなくシナリオの表面的特徴に依存して判定している「ルール盲目」の問題を指摘。検出精度がルールの削除や置換に影響されないことを実験で示し、ルール条件付きガードモデルでも同様の傾向が見られた。

この要約は当サイトの AI が生成したものです。正確な内容は元記事（arXiv cs.AI）をご確認ください。