一篇新研究论文介绍的行为失调度量套件(BMMS)旨在根据特定策略合规性而非一般行为维度来评估语言模型。该套件包括合规性达成得分(CAS)和合规性鲁棒性裕度(CRM)等指标,以评估模型在多大程度上遵守既定规则。在测试中,GPT-4o在OpenAI的模型规范上表现出显著的失败率(70.7%),而Claude模型则显示出低得多的失败率。 AI
影响 引入了一个评估LLM策略合规性的新框架,可能影响受监管行业评估AI安全的方式。
排序理由 介绍语言模型新评估方法的 ist 研究论文。 [lever_c_demoted from research: ic=1 ai=1.0]
- Behavioral Disposition Index
- Behavioral Invariance
- Behavioral Misalignment Metric Suite
- Claude
- Compliance Attainment Score
- Compliance Robustness Margin
- GPT-4o
- OpenAI
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →