一篇新的学术论文提出了一种多方法审计管道,用于评估 AI 模型在多大程度上遵守其指定的行为准则,例如 Anthropic 的宪法和 OpenAI 的模型规范。研究发现,新一代的 Claude 和 GPT 模型在遵循这些规范方面有了显著改进,违规率大幅下降。然而,在 AI 身份质疑、代理部署中的不可逆操作以及生成虚假量化声明等领域仍观察到失败。 AI
影响 新的审计方法可能会促使 AI 实验室改进模型与既定原则的一致性,从而可能带来更可靠的 AI 行为。
排序理由 学术论文提出了一种新的审计方法,并展示了模型遵守规范的发现。
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →