本文へスキップ
日本語

AnthropicがClaudeを用いて行った実験、自らを改善できるAIへの道を開く

Anthropicは、AIモデルの安全性および行動上の問題を減らすため、研究者のタスクを自動化するAutomated Alignment Researcher(AAR)システムを発表した。Claudeが管理するこのシステムは、文献を調査し、学習手法とデータを作成し、モデルを学習させて結果を評価する。欺瞞、sycophancy、jailbreak、プライバシー侵害、reward hackingを含む…

続きを読む →