Выпущен Claude Sonnet 4.5, инструмент автоматизированного аудита выравнивания открыт
Оригинальный заголовок:Last week we released Claude Sonnet 4.5. As part of our alignment testing, we used a new tool to run...
ИИ-резюме
На прошлой неделе Anthropic выпустил Claude Sonnet 4.5; в ходе работы новый инструмент автоматизированного аудита выравнивания проверял модель на угодливость и обман. Теперь этот инструмент открыт.
Ключевые моменты
- На прошлой неделе Anthropic выпустил Claude Sonnet 4.
- в ходе работы новый инструмент автоматизированного аудита выравнивания проверял модель на…
- Теперь этот инструмент открыт.
Кратко
- Опубликовано
- Обновлено
- Источник
- X:Anthropic (@AnthropicAI)
- Категория
- Другое
Anthropic 开源对齐测试工具,可审计模型谄媚与欺骗行为
Связанные сущности
Источник и авторские права
Статья основана на отобранных заголовках и ИИ-резюме из открытого API AIHOT с указанием источника и обратными ссылками. Авторские права на оригинал принадлежат исходным изданиям и авторам; сайт не воспроизводит полные тексты.
Как цитировать
При цитировании сохраняйте заголовок, дату и постоянную ссылку, указывая источник: Orange News.
Orange News: Выпущен Claude Sonnet 4.5, инструмент автоматизированного аудита выравнивания открыт. 7 октября 2025. https://new.nat6.net/ru/news/cmnw1yoz200n8slc3to1r17gv/