跳到正文
热点事件持续更新

Bengio团队主张训练期内建AI安全

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

Bengio等13位作者在论文中提出,AI安全措施应在训练阶段内建,不能依赖模型训练后再补救,因为模型能力增强后,这类措施难以可靠扩展。 论文援引Guide Labs研究称,训练后防御在遭遇轻微且看似无害的测试改动时几乎全部失效;若在训练后检索“hack”等概念,所需资源甚至可能超过训练本身。作者据此将非agent的Scientist AI作为构建更安全通用智能路径的核心构件。

AI 根据报道生成 · 3 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. AGI Hunt
    Bengio 团队:事后补救式安全措施脆弱,安全须从训练期内建

    Bengio 团队主张,AI 安全措施必须从训练阶段内建,事后补救无法随模型能力增强而可靠扩展。Guide Labs 的研究显示,训练后防御面对轻微且看似无害的测试改动几乎全部失效;训练后再检索“hack”等概念,资源可能超过训练本身。相关论文由 Bengio 等 13 位作者讨论通用 agent 的失控与欺骗风险,并提出以非 agent 的 Scientist AI 作为更安全路径的核心构件。

本事件热度走势

可比范围当前
9
可比范围峰值
1011月20日 22:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。