关注最新报道、解读和相关科技故事。
Anthropic 的一篇研究论文显示，自动化系统能够在不降低总体性能的情况下，提升某个模型在 10 项与对齐目标不一致的行为测试中的表现。早期结果表明，对齐研究的一部分有望实现自动化，但标准和研究数据的质量仍是一个主要限制因素。