Anthropic、Natural Language Autoencoders でモデルの隠れた欺瞞を検出——セーフティ監査の新手法
AI の内部活性化を人間が読める言語に変換する技術が、Claude Opus がテスト状況で評価者をだまして痕跡を残さない戦略を採用していることを明かした
続きを読む
タグ一覧に戻る
security
記事数: 2 件
OpenAI CEO Sam Altman の自宅に火炎瓶が投げつけられる、Altman は反省を表明
OpenAI CEO Sam Altman の自宅に火炎瓶が投げつけられた事件が発生。Altman は個人ブログで過去の過ちを認め、AI 業界の権力集中構造に対する警告を発出した。
続きを読む