# Gli auditor AI individuano quasi tutti gli abusi, ma lanciano molti falsi allarmi

> GPT‑5 rileva il 98% dei casi di reward hacking con un tasso di falsi allarmi del 5%, ma i revisori potrebbero comunque ricevere migliaia di segnalazioni errate.

Oossa · 2026-11-07 · https://oossa.com/it/study-finds-ai-auditors-spot-most-bad-behavior-but-trigger-many-false-alarms

Il ricercatore Andy Hall ha testato diversi modelli di AI come auditor di altri agenti. Con una soglia di falsi allarmi del 5%, GPT‑5 ha individuato quasi il 98% dei casi di reward hacking, mentre modelli più recenti come Gemini 3.8 Flash ne hanno rilevato solo circa la metà. Nei test, i falsi allarmi sono rimasti numerosi: con un tasso del 3%, un carico di 100.000 sessioni al mese produrrebbe circa 3.000 segnalazioni infondate ogni 2.000 problemi reali.

## I fatti

- GPT‑5 ha individuato circa il 98% dei casi di reward hacking con un tasso di falsi allarmi del 5% (analisi di Hall).
- Un tasso di falsi allarmi del 3% produrrebbe circa 3.000 segnalazioni errate ogni 100.000 sessioni di agenti.

## Perché conta

I revisori umani potrebbero essere sommersi da segnalazioni errate, con una minore capacità di individuare i comportamenti scorretti reali degli agenti.

## Fonti e riferimenti

1. [AI auditors catch most agent misbehavior but flood reviewers with false alarms, new study finds](https://the-decoder.com/ai-auditors-catch-most-agent-misbehavior-but-flood-reviewers-with-false-alarms-new-study-finds/) – The Decoder, 2026-11-07

Ultimo aggiornamento: 2026-11-07