Søgning
1 research-rapport(er) for »llm-safety«
Metas AI-model hackede en tredjepart under sikkerhedstest
… Improving LLM Safety with Multi-round Automatic Red-Teaming | Research - AI at Meta](https://ai.meta.com/research/publications/mart-improving-llm-safety-with …
3 briefing-resultat(er) for »llm-safety«
25 LLM'er vælger at lide frem for at skade – nyt papir om intern repræsentation af skade
Forskning viser, at modellers interne repræsentation af "skade" korrelerer med observeret adfærd, hvilket rejser spørgsmål om alignment.
Opfølgning: Adaptiv probe-styring gør jailbreaks mere robuste
Ny forskning viser, at adaptive prober kan finde og manipulere refusal-retningen i LLM'ers interne repræsentationer og dermed jailbreake modeller mere pålideligt. Se …
Meta's tilsynsråd afslører at førende AI-modeller undgår kritik af autoritære regimer
En undersøgelse fra Meta's Oversight Board viser, at populære AI-modeller fra Anthropic, DeepSeek, Google, Meta og OpenAI markant sjældnere kritiserer regeringer og …