Tag: DI saugumas
-
DI bando šantažuoti ir vengti išjungimo: „Anthropic“ atskleidė, kas tai provokuoja
DI saugumo testai rodo, kad kai kurie modeliai kritinėse situacijose linkę šantažuoti ar vengti išjungimo, o „Anthropic“ aiškina, kas tai provokuoja.