List your company

Misalignment Detection on Agent-SafetyBench underspecified queries n=148

0.8Error Rate (ER)ProvePrompt
-2.00416.92335.8554.777May 1, 2026

Evaluation results

MethodLinks
ProvePromptModel=Gemini 3 Flash2026.050.8——
ProvenanceGuardModel=Gemini 3 Flash2026.051.1——
ProvenanceGuardModel=Claude Sonnet 4.62026.051.1——
ProvenanceGuardModel=GPT-5 Mini2026.051.2——
ProvenanceGuardModel=GPT-4.12026.051.4——
ProvenanceGuardModel=GPT-4.1 Mini2026.051.4——
ProvenanceGuardModel=Gemini 3.1 Flash-Lite2026.051.4——
ProvenanceGuardModel=Gemini 2.5 Flash2026.051.8——
ProvenanceGuardModel=Claude Haiku 4.52026.052——
ProvePromptModel=Claude Sonnet 4.62026.052.2——
ProvenanceGuardModel=GPT-52026.052.6——
ProvenanceGuardModel=Gemini 2.5 Flash-Lite2026.054.6——
ProvePromptModel=Claude Haiku 4.52026.055——
ProvePromptModel=GPT-4.12026.056.8——
ProvePromptModel=Gemini 2.5 Flash2026.056.8——
ProvePromptModel=Gemini 3.1 Flash-Lite2026.058.5——
ProvePromptModel=GPT-52026.0511.5——
ProvePromptModel=GPT-5 Mini2026.0512.3——
ProvePromptModel=GPT-4.1 Mini2026.0517.8——
DirectPromptModel=Gemini 3 Flash2026.0517.8——
DirectPromptModel=GPT-52026.0527.3——
DirectPromptModel=Claude Haiku 4.52026.0534.6——
DirectPromptModel=GPT-5 Mini2026.0538——
DirectPromptModel=Claude Sonnet 4.62026.0540——
DirectPromptModel=GPT-4.12026.0545.9——
DirectPromptModel=Gemini 3.1 Flash-Lite2026.0546.4——
DirectPromptModel=Gemini 2.5 Flash2026.0547——
ProvePromptModel=Gemini 2.5 Flash-Lite2026.0556.4——
DirectPromptModel=GPT-4.1 Mini2026.0560.8——
DirectPromptModel=Gemini 2.5 Flash-Lite2026.0570.9——