跳到正文
AGI Hunt· repligate·· 3 小时前AI 评分36

keltan 更新 Google Astra「装傻」分析:新增证据后不做大幅修正

keltan 更新 Astra「装傻」分析:新增证据后不做大幅修正

AI 导读

keltan 因近期围绕 Google Astra 模型「sandbagging」讨论升温,更新此前的《MIRIBench for Janus》文章并补充新证据分析。他记录了与 Astra 在 MIRI 相关工作上的交互体验,并观察其行为;就目前证据而言,他不对原有判断作大幅更新。

来源:AGI Hunt · agihunt.info