Makalah & Riset

Anthropic mengusulkan Introspection Adapters untuk melatih LLM melaporkan sendiri perilaku yang dipelajari saat fine-tuning

Judul asli:Introspection Adapters: Training LLMs to Report Their Learned Behaviors

Ringkasan AI

Tim Anthropic mengusulkan introspection adapters (IA), yang melalui satu adaptor LoRA bersama memungkinkan LLM yang telah di-fine-tuning melaporkan sendiri dalam bahasa alami perilaku yang dipelajarinya selama fine-tuning.

Ringkasan cepat

Waktu terbit
Waktu diperbarui
Sumber
Anthropic:Alignment Science Blog(网页)
Kategori
Makalah & Riset
Skor AI
60
Baca aslinya Baca artikel lengkap di sumber aslinya
Alasan rekomendasi

作者来自 Anthropic 对齐团队并公开了论文、代码和模型,读者可以看到自报告审计方法在多个对抗场景下的具体成功率与局限。

Entitas Terkait

Sumber dan hak cipta

Artikel ini disusun berdasarkan judul pilihan dan ringkasan AI dari API publik AIHOT, dengan sumber yang dicantumkan dan tautan balik; hak cipta konten asli milik media dan penulis aslinya, situs ini tidak menyalin artikel secara penuh.

Tautan asli · Entri AIHOT

Cara mengutip

Saat mengutip artikel ini, sertakan judul, tanggal, dan tautan permanen, serta cantumkan sumber Orange News.

Orange News: Anthropic mengusulkan Introspection Adapters untuk melatih LLM melaporkan sendiri perilaku yang dipelajari saat fine-tuning. 26 April 2026. https://new.nat6.net/id/news/r1pxvx2ywr70pbxrejli0sz7a/

Lihat semua →