白箱アクセス
仕組みの中身(内部の計算や途中結果)まで見られる状態で調べること。外から入出力だけを見る方法より、原因に近い情報を使える。
たとえば: 家電を外から眺めるだけでなく、カバーを開けて基板や配線まで点検すること。
AIによる解説です。正確さは、別のAIで照合していますが、誤りが含まれる可能性があります。
この言葉が出てくる記事
- 白箱プローブでLLMの欺瞞を検出する試み:大規模データセットと新アーキテクチャで評価
LLMエージェントの監視に向け、白箱プローブによる欺瞞検出をフロンティア監視設定へ拡張する研究が報告された。SHADE-ArenaでAUC 98.8%を示し、文脈だけでは判定しにくい「introspective deception」でも最大AUC 99.7%の識別を示した。
