Anthropic 发布《Automated Alignment Researchers》研究，探索用 Claude 自主开展对齐研究

Anthropic Fellows 项目发布《Automated Alignment Researchers》研究，探讨利用大语言模型扩展“可扩展监督”，让 Claude 自主开展对齐研究并协助对齐模型自身。实验采用 AAR 设置验证从弱监督到强监督的路径，相关研究随后引发社区关注。