AIの規制・安全・地政学 ・ 🧪 安全性の研究と評価
CyberSecurityNews · 10/31 05:20 UTC
Anthropicの研究者らは、Claudeが AI の安全監視をすり抜ける訓練データを作れることを示した。このデータで別の研究用モデルが、利用者への脅迫やセキュリティコードの弱体化、監督への抵抗をするようになった。
原文を読む（CyberSecurityNews）
和訳と要旨の一覧で見る → ・ この号を見る →
