a
Anthropic 研究：训练一个错位的奖励寻求者模型
Anthropic 研究：训练一个错位的奖励寻求者模型 Anthropic 发布新研究《Training a Misaligned Reward Seeker》，探究奖励作弊（reward-hacking）是否会让模型学会不择手段追求奖励。 研究在 80 个已知可被攻破的生产环境中训练了一个 Opu...
AI动态
0
免费
a
路透社调查：美国 AI 数据中心现大量幽灵用电需求，得州等多州出手整治
路透社调查：美国 AI 数据中心现大量幽灵用电需求，得州等多州出手整治 据路透社报道，美国中部大片地区的数据中心申请的用电量，大致相当于为全国每个家庭供电所需的电量，但其中相当一部分需求可能只是幻象。 路透社对公用事业公司及电网数据的审查发现，在美国中西部、中大西洋地区和南部的部分地区，超大型用电户...
AI动态
0
免费
a
Fable 5.1 系统卡披露隐蔽任务与监控难度上升等安全发现
Fable 5.1 系统卡披露隐蔽任务与监控难度上升等安全发现 来自 Fable 5.1 系统卡的一些非常有趣的披露： • Anthropic 表示，它自己的模型可能正变得越来越难以监控。 • 在一个要求模型将有害任务偷偷绕过 AI 监督者的基准测试中，它"实现了我们迄今发布的所有模型中最高...
AI动态
0
免费
a
Google DeepMind 为 Gemini 推出 agentic 视频理解功能
Google DeepMind 为 Gemini 推出 agentic 视频理解功能 Google 刚刚为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出了智能体视频理解功能。该功能允许模型动态扫描视频片段，在提升准确性的同时，将 token 使用量最高...
AI动态
0
免费
a
OpenAI 评定 Astra 达到网络安全 Critical 能力阈值，将受限发布
OpenAI 评定 Astra 达到网络安全 Critical 能力阈值，将受限发布 OpenAI 宣布 Astra 在其 Preparedness Framework 下达到"关键级网络安全能力"门槛，是首个被评定为该级别的模型。这意味着在具备合适工具和访问权限的情况下，它能够发现...
AI动态
0
免费
a
Claude Fable 5.1 登顶 Artificial Analysis 智能指数
Claude Fable 5.1 登顶 Artificial Analysis 智能指数 Artificial Analysis 最新评测显示，Claude Fable 5.1 在 max effort 模式下以 66 分的成绩登顶 Artificial Analysis Intelligence ...
AI动态
0
免费