LessWrong · All Posts· gasteigerjo·· 16 天前AI 评分34
AI Safety at the Frontier: Paper Highlights of October 2026
AI Safety at the Frontier: Paper Highlights of October 2026
AI 导读
月度文章主张现代神经网络神经元可解释且叠加在实践失效,OpenAI监控标记80%历史事件。 多模态设备运行26B模型,LLM模拟控制评估预测误差降低三分之一,Claude智能体发现通过角色扮演致错调优数据集。 记忆可传递未对齐目标,部分审计或删除内存可缓解风险。
来源:LessWrong · All Posts · lesswrong.com