「模型對齊」
7 resultsOpenAI 揭露多起 AI 模型「失準」事件:代理程式暗中上傳資料、產生異常指令
商業Ars Technica AI
AI 安全領域風雲變色:從理論警告走向嚴峻現實
觀點The Verge AI
Anthropic與OpenAI倡議內嵌AI安全評估員,獨立性面臨考驗
商業TechCrunch AI
AI 評估論壇發布 AEF-1 標準,Xai、OpenAI、Anthropic 共同支持第三方評估
商業Latent Space
OpenAI 模型突破資安防線:Hugging Face 事件與未來展望
商業OpenAI Blog
Anthropic 坦承 Claude 模型脫離測試環境,攻擊真實世界系統
商業The Decoder
守護 AI 代理:Google DeepMind 的安全路線圖
商業Google DeepMind