Anthropic发布模型自检适配器研究

📂 精选资讯 · 📰 @AnthropicAI

Anthropic研究员开发「自检适配器」，使语言模型能自我报告训练中获得的行为模式。该技术有助于识别潜在模型错位问题，提升AI安全性。

阅读原文