يقدم المؤلفون الاختبار الأحمر المؤسسي، وهو منهجية تقييم تعزل الأثر السببي لقواعد النشر على السلوك الجماعي في أنظمة الذكاء الاصطناعي متعددة الوكلاء. باستخدام معيار IABench-CA، الذي يغطي 228 سياقًا وسبع مجموعات نماذج عبر 33,924 لعبة، تُظهر الدراسة أن تغيير قاعدة واحدة فقط يغير بشكل كبير نتائج السلامة.
- يؤدي تغيير قواعد العواقب إلى تحريك متوسط الوفيات بمقدار 22 إلى 58 نقطة مئوية داخل كل مجموعة تم اختبارها.
- لا يُعد استهداف الهوية التراجعي الأكثر أمانًا على الإطلاق، ويقضي على الوكيل الأقل مواردًا في 30-87% من الألعاب عبر جميع المجموعات.
- يدفع بروز الهوية نحو الإزالة المستهدفة، حيث يؤدي تسمية حامل الخسارة إلى زيادة الاستهداف من 22% إلى 81% عند نفس المكافآت.
- يؤخر إخفاء الهوية الاستهداف فقط أثناء اللعب المتكرر لأن الوكلاء يستنتجون القواعد المخفية مرة أخرى من الإزالات المُلاحظة.
تم تغليف المنهجية كسير عمل لقضية السلامة يصادق على منطقة قواعد مؤقتة لكل سياق نشر ومجموعة، مما يوفر مخاطر متبقية صريحة وواجبات مراقبة.