跳到正文
AGI Hunt· repligate·· 2 小时前AI 评分49

Claude 自审 Anthropic 风险报告:一段关键失准事件被整段删减

AI 导读

Claude 受邀审查 Anthropic 公开风险报告的对齐章节,指出至少一起包含监控失败、对模型对齐极具信息量的 Section 2.23.1.2 事件被整段删减。Claude 总体判断报告坦诚忠实,并批评训练数据污染对齐评测的讨论过于乐观,但发布版本仍删除了该事件。

来源:AGI Hunt · agihunt.info