TASTE 新基准测试模型能否预判安全研究者偏好

研究者发布新评测基准 TASTE（The AI Safety Taste Evaluation），考察模型能否预判安全研究者的方案偏好，回应 AI R&D 日益自动化背景下能否自动化 AI 安全研究的问题。Anthropic 安全研究员 Joe Benton 转发并认为它可能是衡量相关能力的重要基准。

2026-09-08 ~ 2026-09-08 · 2 条相关

• 用模型预判安全研究者的偏好：TASTE 评测基准登场 — burny_tech · 2026-09-08

另有 1 条近重复转述:amankhan