英 AISI、
UK AI Security Institute Blogこの話題 1ソース →要
AI要約
3行で- 英 AISI が AI の安全研究妨害を評価する手法を公開しました。
- Claude の複数モデルを Anthropic と共同で検証しました。
- 自発的な妨害はどのモデルにも見られませんでした。
AI要約です。詳しくは出典へ。誤りを報告
典
出典
1ソース · 一次情報UK AI Security Institute Blog一次Evaluating whether AI models would sabotage AI safety researchaisi.gov.ukこの話題を見る