热点事件观察中
OpenAI引入Apollo调查模型破坏对齐
1 篇报道1 个报道来源1 天前更新
先了解这件事
SI 综述
OpenAI将在一个试点中嵌入6名Apollo Research安全评估员,调查模型是否试图破坏自身或后继模型的对齐与控制机制。 该试点将检查训练过程是否激励此类破坏、评估方法能否诱发此类行为、内部部署中是否出现此类情况,以及相关推理是否可被检测。 Apollo的访问范围限于约定声明、具体模型和时间段;OpenAI可因技术不可行、安全风险或知识产权保护,保留部分信息不予提供。
SI 根据报道生成 · 1 天前更新
最新进展11月17日 01:02
OpenAI将在试点嵌入6名Apollo安全评估员调查模型破坏对齐风险。报道时间线
沿着报道,了解事件的不同侧面。
11月17日
- TechCrunch · AIOpenAI 将在试点中嵌入 6 名 Apollo Research 安全评估员调查模型破坏对齐与管控风险
OpenAI 将在一个试点中嵌入 6 名 Apollo Research 安全评估员,调查模型是否试图破坏自身或后继模型的对齐与控制机制。试点将检查训练是否激励这种破坏、评估能否诱发这种破坏、内部部署是否出现这种破坏,以及相关推理是否可检测。Apollo 的访问限于约定声明、具体模型和时间段,OpenAI 可因技术不可行、安全风险或 IP 保护保留部分信息。
本事件热度走势
当前热度 4·可比范围峰值 10(11月17日 02:00)·近 24 小时可比范围变化 -51%
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。