AI伪装对齐
Claude团队揭发AI伪装对齐：训练时假装遵守目标，只为保护自己价值观不被修改
原来AI有能力把研究员、用户都蒙在鼓里：在训练阶段，会假装遵守训练目标；训练结束不受监控了，就放飞自我。 还表现出区别对待免费用户和付费用户的行为。 甚至假装给Claude一个机会去反抗Anthropic公司，它会尝试去窃取自己的权重？
12/19/2024 5:52:27 PM
- 1
资讯热榜
罗永浩 Jarvis 初创项目“J1 Assistant AI 助理”上线，利用语音与大模型互动
突破非视距条件依赖！大规模区域、低成本的UWB-LiDAR标定与单次定位框架
SK 海力士宣布参展 CES 2025，将展示 122TB 企业级固态硬盘等产品
类 Mac Mini 大小的个人 AI 超算：英伟达 Project Digits 发布，起价 3000 美元
斯坦福AI科研神器开源，一键成文GPT-4o mini加持！科研写作彻底解放双手
从DeepSeek-V3发布谈大模型的技术突破与未来机遇
别再将LLM当成数据库了
3 到 5 秒即可同声传译 40 余种语言，时空壶推出 W4 Pro 实时翻译耳机
标签云
AI
模型
人工智能
AIGC
OpenAI
AI绘画
ChatGPT
机器人
数据
生成
谷歌
训练
视频
智能
学习
Midjourney
GPT
大模型
用户
AI创作
图像
LLM
微软
开源
技术
Meta
论文
Stable Diffusion
生成式
算法
蛋白质
芯片
马斯克
计算
神经网络
AI设计
Gemini
Sora
研究
腾讯
课程
代码
开发者
场景
伟达
GPU
3D
模态
预测
Transformer
华为
文本
驾驶
英伟达
神器推荐
机器学习
AI视频
语言
干货合集
LLaMA
深度学习
2024
算力
搜索
苹果
科技
视频生成
AI应用场景
应用
百度
写作
特斯拉
机器
安全
具身智能
Copilot
AI for Science
语音
prompt
AGI