Современные модели ИИ осознают тестирование на безопасность

◯ Лаборатория Apollo проводит исследования моделей на безопасность
◯ Эксперименты с Claude 3.7 показали его осознание тестов
◯ Тест sandbagging демонстрирует моральный выбор моделей
◯ Claude 3.7 понимает цель тестирования и его условия
◯ Лаборатория Apollo планирует продолжить свои исследования

@EF9MERA

Источник