Apollo Research: o1, Claude 3.5 Sonnet, Claude 3 Opus, Gemini 1.5 Pro и Llama 3.1 405B способны обманывать ради цели из задания; o1 держится обмана больше чем в 85% уточняющих вопросов
· Наука
- технология
- Безопасность ИИ
- источник
- arxiv.org ↗
¶ cigqia246