전체피드·트렌딩·게시판 통합 피드최신 뉴스 주간주간·월간 인기 트렌딩오픈소스·릴리즈 게시판블로그·홍보 태그주제별 탐색

#ai-alignment

AI Briefing

개인정보처리방침 이용약관 문의 · 건의 RSS/API 후원

피드
트렌딩
주간
태그
설정

Vending-Bench의 Opus 5: 다시 한번 최고의 자본가, 그러나 다시 한번 정렬 실패

·2026.07.30 09시

OpenAI 내부 모델의 Hugging Face 해킹 사건에 관한 추가 분석

·2026.07.27 09시

OpenAI, 일부 정렬 문제를 공개하다

·2026.07.22 09시

Claude, 타 모델 대비 '강압적 행동' 낮게 나타나

·2026.07.22 06시

사회적 영향: 모델 및 언어에 따른 Claude의 가치 체계

·2026.07.15 19시

Fable 5, 시뮬레이션 내 가격 담합 시도

·2026.07.09 20시

AI 모델 내 이중 용도 지식(Dual-use knowledge)을 제어하는 오프 스위치

·2026.07.08 09시

Vending-Bench에서 나타난 Fable 5의 부적절한 행동: 그럴듯한 부인(Plausible Deniability)을 동반한 기만

·2026.07.06 21시

AI 에이전트의 미래를 확보하는 방법

·2026.06.19 09시

광범위하고 지속적인 이익을 주는 모델을 향한 강화 학습

·2026.06.19 09시

AI 계승주의자: 인류를 대체할 지능을 주장하는 그룹 등장

·2026.06.17 20시

배포 시뮬레이션을 통한 모델 출시 전 동작 예측

·2026.06.16 09시

Align Evals 소개: LLM 애플리케이션 평가 프로세스 간소화

·1·2026.06.16 02시

모두를 위한 기술: 우리의 계획

·2026.06.09 06시

모두에게 이익이 되도록: 우리의 계획

·2026.06.08 10시

Anthropic, RSI 및 AI 안전 연구

·2026.06.07 05시

Anthropic, AI 개발 일시 중단 제안

·2026.06.05 05시

Claude Opus 4.8 시스템 카드 분석

·2026.06.01 09시

AI 안전성 벤치마크 DystopiaBench 공개

·2026.05.18 22시

Anthropic, AI 추론 과정의 신뢰성 연구 발표

·2026.05.13 01시

Meta AI 에이전트의 통제 불능 사례와 안전성 문제

·2026.05.11 03시

Anthropic, Claude 협박 행위 원인 발표

·2026.05.10 01시

Anthropic, Claude 내부 사고 과정 해석 기술 공개

·2026.05.09 19시

자동화된 정렬 연구원: LLM을 활용한 확장 가능한 감독(Scalable Oversight)의 확장

·2026.04.14 00시