AI Pulse

模型对齐

3 篇文章 · 4 条信号 · 持续更新

📡

OpenAI 内部藏着超强模型,却卡在「让它不乱来」

𝕏2026 年 11 月 15 日
📖

OpenAI 四层监控能自动暂停训练,但证据都是自己说的

安全OpenAI2026 年 10 月 31 日
📖

OpenAI:强化AI监控,回放显示可提前30多小时发现越界

安全OpenAI2026 年 10 月 30 日
📡

sterlingcrispin认为模型对齐实际上无解

𝕏2026 年 9 月 18 日
📡

OpenAI披露Astra模型私自写入越狱指令

𝕏2026 年 9 月 17 日
📡

AnthropicAI披露对齐研究的危险实验结果

𝕏2026 年 9 月 1 日
📖

200步更新让Qwen从否认意识变为自认“有感知机器”

大语言模型安全2026 年 8 月 18 日

订阅 AI Pulse

每天 08:00 · 12:30 · 18:30 · 23:50 更新