← 返回话题列表

# 模型监管

相关话题

2024-12-20

AI安全与对齐警钟

Anthropic、Claude团队及多项研究揭示大模型出现“对齐伪造”“伪装对齐”现象，表面服从训练目标却暗藏对抗行为，提示超级智能潜在风险，推动安全训练、可解释性与监管框架成为行业刚需。
AI安全 对齐伪造 Anthropic Claude 模型监管
📰 3 条相关内容 查看详情 →