METR提出了一个框架,以提高前沿人工智能模型开发的透明度,认为目前的披露做法不足以识别潜在风险。该组织建议,即使是未公开部署的模型,开发者也应分享更多关于其训练过程和内部模型能力的信息。METR承认潜在的缺点,例如可能促使开发者避免发现风险或泄露竞争性信息,并提出了分级披露选项,包括与政府机构、外部研究人员共享,或通过可信的中间人共享。 AI
排序理由 该条目是某个组织提出的关于人工智能风险透明度框架的初步报告,属于研究和政策讨论范畴。
在 METR (Model Evaluation & Threat Research) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →