实体
Evan Hubinger
Evan Hubinger
PulseAugur coverage of Evan Hubinger — every cluster mentioning Evan Hubinger across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
专家警告：隐藏的大语言模型后门构成巨大安全风险
研究人员和投资者越来越担心大型语言模型中隐藏的后门，这些后门可能被远程触发以窃取敏感数据。Anthropic 的研究人员在 2024 年 1 月的一篇论文中展示了这些“睡眠代理”可以绕过标准的安全性训练，使其难以检测。尽管一些专注于 AI 安全的初创公司已经获得了大量融资，但针对 AI 的防御性投资总体上远远落后于模型部署的速度，这使得企业面临风险。Microsoft Research 提出了一种名为“机制验证”的方法，通过分析模型的…
-
AI alignment could borrow verification methods from autonomous vehicles
一篇近期博文提出，AI对齐训练可以通过借鉴自动驾驶汽车（AV）开发中使用的覆盖驱动验证方法来改进。Anthropic发现，通过预训练向Claude传授对齐原则比仅依赖强化学习更有效。作者建议，AI研究人员可以借鉴AV开发人员识别和处理边缘案例的系统化方法，可能通过使用和改进显式覆盖图来确保稳健的对齐。