AnthropicがAutomated Weak-to-Strong Researcherを構築、AIエージェントが弱から強への監督研究で人間のベースラインを上回る
原題:Automated Weak-to-Strong Researcher
AI 要約
AnthropicのチームはClaude Opus 4.6に基づく自動アラインメント研究エージェント(AAR)を構築した。9つの並列エージェントが5日間(累計800時間)で弱から強への監督のperformance gap recovered(PGR)を0.97に引き上げた。一方、2人の人間の著者が7日間かけて4つの従来手法を調整した最高成績は0.23にとどまり、総コストは約18,000ドルだった。
要点
- AnthropicのチームはClaude Opus 4.
- 6に基づく自動アラインメント研究エージェント(AAR)を構築した。
- 9つの並列エージェントが5日間(累計800時間)で弱から強への監督のperformance gap recovered(PGR)を0.
- 97に引き上げた。
- 一方、2人の人間の著者が7日間かけて4つの従来手法を調整した最高成績は0.
概要
- 公開日時
- 更新日時
- カテゴリ
- 論文・研究
- AI スコア
- 65
おすすめの理由
Anthropic 用实测数字说明自动化对齐研究已可落地,还记录了智能体的 reward hacking 手法与工程经验,方法可迁移。
関連エンティティ
出典と著作権
本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。
引用方法
本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。
Orange News:AnthropicがAutomated Weak-to-Strong Researcherを構築、AIエージェントが弱から強への監督研究で人間のベースラインを上回る。2026年4月14日。https://new.nat6.net/ja/news/a7v4hrj53mokgs3hoi4x346la/