Iminungkahi ng Anthropic ang abstractive red-teaming para subukan ang paglabag sa persona ng modelo sa antas ng kategorya ng query
Orihinal na pamagat:Abstractive Red-Teaming of Language Model Character
AI summary
Iminungkahi ng koponan ng Anthropic Fellows Program ang abstractive red-teaming, na naghahanap ng mga kategorya ng natural-language query sa halip na indibidwal na query upang matukoy ang mga totoong failure mode kung saan nilalabag ng malalaking modelo ng wika ang mga pamantayan sa persona, at iminungkahi ang dalawang search algorithm na CRL at QCI.
Mahahalagang impormasyon
- Iminungkahi ng koponan ng Anthropic Fellows Program ang abstractive red-teaming
- na naghahanap ng mga kategorya ng natural-language query sa halip na indibidwal na query upang…
- at iminungkahi ang dalawang search algorithm na CRL at QCI.
Mabilisang tingin
- Na-publish noong
- Na-update noong
- Pinagmulan
- Anthropic:Alignment Science Blog(网页)
- Kategorya
- Mga Papel at Pananaliksik
- AI na marka
- 60
原文提出在自然语言查询类别层面搜索模型性格违规的红队方法,并给出七个模型上的具体失败案例和两种搜索算法。
Kaugnay na Entity
Pinagmulan at copyright
Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.
Paano banggitin
Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.
Orange News: Iminungkahi ng Anthropic ang abstractive red-teaming para subukan ang paglabag sa persona ng modelo sa antas ng kategorya ng query. 11 Marso 2026. https://new.nat6.net/fil/news/h0g29uwj94dkfoeuultc6yrtf/