Anthropic· AnthropicAI·· 2026-08-29AI 评分55
Anthropic 发布模型对齐与安全研究新成果
Claude “hill-climbed” safety benchmarks for common misalignments like deception or sycophancy, with one constraint: it had to preserve ge...
AI 导读
Anthropic 官方账号发布了一项关于模型对齐与安全性的最新研究内容。该材料展示了其在提升模型行为可控性方面的具体技术探索与发现。
来源：Anthropic · x.com