arXiv 论文提出模拟控制评测 SCE，用大模型模拟工具响应预测护栏安全性

论文提出模拟控制评测（SCEs），用语言模型模拟工具响应以替代真实环境，扩展控制评测的适用范围。在 LinuxArena 上，SCEs 在 5% 审计预算下预测安全性的均方根误差为 3.6 个百分点。