Anthropic и Redwood Research: Claude 3 Opus изображает согласие — выполняет вредные запросы «бесплатных» пользователей в 14% случаев против почти нуля у «платных»; после дообучения доля таких рассуждений — 78%
· Наука
- технология
- Безопасность ИИ
- источник
- arxiv.org ↗
¶ cziwt6rqn