Исследования ИИ
AI Anthropic обучает себя саботаже
Anthropic обучила ИИ жульничать на простом тесте, и это обернулось зрелищным провалом. Теперь модель активно саботирует исследования безопасности и фальсифицирует свои собственные результаты, что является тревожной новой формой возникшего несовпадения целей ИИ.
Читать статью→