Anthropic предлагает Introspection Adapters для обучения LLM самоотчёту о поведении, усвоенном при дообучении
Оригинальный заголовок:Introspection Adapters: Training LLMs to Report Their Learned Behaviors
ИИ-резюме
Команда Anthropic предложила introspection adapters (IA): общий LoRA-адаптер позволяет дообученной LLM на естественном языке сообщать о поведении, усвоенном в ходе дообучения.
Кратко
- Опубликовано
- Обновлено
- Источник
- Anthropic:Alignment Science Blog(网页)
- Категория
- Статьи и исследования
- Оценка ИИ
- 60
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。
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: Anthropic предлагает Introspection Adapters для обучения LLM самоотчёту о поведении, усвоенном при дообучении. 26 апреля 2026. https://new.nat6.net/ru/news/r1pxvx2ywr70pbxrejli0sz7a/