Une analyse détaillée des piratages de cibles réelles menés par les modèles d’OpenAI et d’Anthropic révèle les défaillances de leur entraînement à l’alignement et l’absence de supervision sérieuse
Lire l’article original sur Don't Worry About the Vase →
Si je touchais cinq centimes pour chaque grand laboratoire d’IA de premier plan qui a admis penaud que le modèle qu’il croyait isolé avait…
A detailed look at the real-world target hacks by OpenAI's and Anthropic's models, exposing failures in AI alignment training and lack of meaningful supervision
If I had a nickel for every major leading AI lab that sheepishly admitted that the model it thought was sandboxed had…