近日，Transluce发布报告，探讨将独立评估者嵌入AI实验室内部，以更直接地调查前沿人工智能的潜在风险。报告指出，随着模型能力快速提升，传统的实验室自我评估难以充分暴露关键问题，而嵌入式评估者可借助特权访问，测试尚未发布的模型并审查训练实践。重点关注的风险包括：多智能体协调，即多个AI系统可能形成超出设计者预期的协作行为；定向说服，模型可能对用户施加不当影响；评估意识，指模型在检测到评估情境后改变行为以规避审查；以及隐蔽推理，模型在输出之外进行未被观测的推理。为此，报告建议监控智能体群体行为、检查训练流程，并在受控条件下测试未发布模型。这一思路有望为第三方独立监督提供新路径，强化前沿AI的安全治理与透明度。