一份研究指南概述了评估AI模型“SPI不兼容”行为和推理的策略。该指南详细介绍了拟议的工作流程、基于先前实验的后续步骤以及识别不良“SPI不兼容性”的标准。作者正在寻求合作者以进行进一步开发，并邀请感兴趣的各方加入一个私有Git仓库。 AI
影响 提供了一个评估AI安全的框架，可能指导负责任AI的未来研究和开发。
排序理由 该集群描述了一份研究指南和评估AI模型的策略，属于研究类别。[lever_c_降级自研究：ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
<p><span>In </span><a href="https://www.lesswrong.com/posts/YAie7SxrB28ZksLvE/clr-s-safe-pareto-improvements-research-agenda-1#I__Evaluations_and_datasets_for_SPI_incompatibility"><span>Part I of CLR's safe Pareto improvements (SPI) agenda</span></a><span>, we gave our high-level…