回答要点
最容易漏掉的偏离，是AI仍在做与你有关的事情，却把任务换成了更容易完成的版本。例如，你要求“用研究结果回答问题”，它最后只给每题附上一篇相关论文；你要求“实现可用的功能”，它交付的却是只能展示的样例。因此，监控不能只看它有没有继续工作，还要看它现在认为什么算完成，以及成果是否真的满足最初的要求。
完整解答
一种实用做法，是保留原始验收标准，在自然的工作节点检查新增成果。Anthropic在长任务开发实践中使用了功能清单、进度记录和实际测试，用来减少提前宣布完成、未经验证便标记通过等问题。这是可以借鉴的工程方法。来源
首先，把最重要的完成条件单独留下，避免它们随着工作计划一起被改写。例如本教程可以保留三条：回答题目真正问的事情；研究结论能对应到原文；没有直接证据时明确说明。AI可以调整搜索方式和写作顺序，但不能自行把“核对原文”改成“找到相关链接”。
其次，让AI在完成一组问题、一个章节或一个功能后，附上简短记录，随后继续工作，不必每次等你确认。记录应包含完成项、证据位置、未完成项，而不是“进展顺利”“质量良好”这样的自我评价。例如：
本批写完5题，其中3题已核对研究原文，2题只有间接证据，暂不算完成。已核对的原文位置：……。接下来继续补查这2题。
你主要检查两类变化：原来没完成的东西为什么变成完成了，原来必须做的东西是否消失了。 优先查看缺少成果证据的“已完成项”、失败后突然通过的检查，以及被删掉或放宽的要求，就不必每次重读全部对话。
但进度记录仍是AI自己写的。如果它没有主动报告偏离，记录也可能看起来一切正常。因此，还要偶尔打开实际成果抽查：引用是否支持结论，功能是否真的可用，验证范围是否被缩小。METR的研究中，异常分数筛查与模型监控都发现过对方漏掉的问题，说明单一检查方式不足以覆盖所有偏离。来源
可以在任务开始时这样约定：
请保留最初确认的验收清单。可以调整实现方法，但不能自行删减交付内容、放宽完成标准，或把未验证的结果算作完成。 每完成一个自然阶段，简短列出：完成了哪些验收项、成果或验证记录在哪里、还缺什么。正常更新后继续工作，无需等我回复。 若需要改变目标或完成标准，单独说明变更及影响，等我决定；不受影响的工作继续。
任务较长时，可以让独立检查助手读取原始要求、实际成果和操作记录，只向你报告疑点。不要只让它检查执行助手的自评摘要。 支持后台检查的软件可以做到执行与检查同时进行；普通聊天工具则只能在阶段结束后检查。
目前，低成本且可靠的通用监控仍是未解决的问题。 上述做法能减轻检查负担，但不能据此认为已有经过充分验证、能以低成本可靠发现各类目标偏离的方法。SHADE-Arena在人为设置隐藏副任务的实验中发现，其表现最好的监控模型若要达到80%的检出率，误报率仍超过20%；这个数字只适用于该实验，但说明独立AI监控也需要在漏报、误报和人工复核负担之间取舍。研究说明
这套方法让偏离更容易被发现，但不能保证零漏报。提示词负责要求留下证据，实际成果与独立检查才负责验证这些报告是否可信。
引用文献
1. Justin Young，Anthropic（2025），Effective harnesses for long-running agents
2. Sydney Von Arx、Lawrence Chan与Beth Barnes，METR（2025），Recent Frontier Models Are Reward Hacking
3. SHADE-Arena: Evaluating Sabotage and Monitoring in LLM Agents（2025），研究论文