跳到正文
TechCrunch · AI· Rebecca Bellan·· 9 小时前AI 评分72

OpenAI 将嵌入 6 名 Apollo Research 安全评估员调查模型对齐破坏行为

OpenAI will embed safety researchers to investigate AI subversion

AI 导读

Apollo Research 宣布将有 6 名安全评估员以试点形式嵌入 OpenAI,调查模型是否会试图破坏自身或后续版本的对齐与控制机制。试点聚焦四个问题:训练是否激励破坏行为、评估能否引出破坏行为、内部部署中是否出现破坏、相关推理是否可被检测。

来源:TechCrunch · AI · techcrunch.com