AGI Hunt· dfrsrchtwts·· 3 小时前AI 评分64
Guidelight 发布《Capability Testing》AI 能力测试标准 v1.0
Guidelight 发布 AI 能力测试标准 v1.0，含 sandbagging 检测实践
AI 导读
AI 安全公司 Guidelight 发布《Capability Testing》标准 v1.0，用于度量模型造成危害的能力而非倾向。作者称，Practice 4e 提供了检测模型 sandbagging 的具体思路；标准要求开发者维护威胁模型，区分内部部署与外部部署场景，并将尚未成熟的内容列为 development directions 公开征求意见。
来源：AGI Hunt · agihunt.info