Mga Papel at Pananaliksik

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
Basahin ang orihinal Basahin ang buong artikulo sa orihinal na pinagmulan
Dahilan ng rekomendasyon

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.

Link ng orihinal · Entry sa AIHOT

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/

Tingnan lahat →