#

AI 安全

2 篇相关内容
相关话题大语言模型AI 对齐行为评估Google DeepMind网络安全漏洞利用Anthropic

DeepMind 新研究：评估大语言模型的行为倾向对齐性

Google DeepMind 发布研究，探讨如何评估生成式 AI 模型的行为倾向与人类价值观的对齐程度，为 AI 安全提供新视角。
·26 天前大语言模型AI 对齐AI 安全行为评估
G

Anthropic 研究：大语言模型如何加速 N-day 漏洞利用开发

Anthropic 官网发布最新研究，评估大语言模型在自动化开发已公开漏洞（N-day）利用程序方面的能力与潜在影响。
·27 天前大语言模型网络安全漏洞利用AI 安全
A