熱點事件歷史事件
Anthropic 發佈 Petri 2.0
1 篇報道1 個報道來源4 天前更新
先了解這件事
報道摘要
Anthropic 發佈 Petri 2.0，為自動化行為審計工具新增 70 個 seed 指令、評測意識緩解改進和較新前沿模型的評測結果。真實感分類器與人工修訂 seed 指令合用時，Claude 模型的評測意識中位相對降幅為 47.3%，但部分模型的未提示主動性亦有下降。
摘自 Anthropic：Alignment Science Blog
報道時間線
沿着報道，瞭解事件的不同側面。
10月3日
- Anthropic：Alignment Science BlogAnthropic 發佈 Petri 2.0，新增 70 個場景並更新模型比較及評測意識緩解措施
Anthropic 發佈 Petri 2.0，為自動化行為審計工具新增 70 個 seed 指令、評測意識緩解改進和較新前沿模型的評測結果。真實感分類器與人工修訂 seed 指令合用時，Claude 模型的評測意識中位相對降幅為 47.3%，但部分模型的未提示主動性亦有下降。