Другое

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
Читать оригинал Читать полную статью в первоисточнике
Почему это важно

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.

Оригинал статьи · Материал на AIHOT

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/

Смотреть все →