呼吁对训练全程引入独立评估
MariusHobbhahn · x · 2026-07-06
MariusHobbhahn 主张对 AGI 级训练引入「训练过程评估」（Training-Run Assessments）：不只评估最终 checkpoint，更需对整个训练过程进行独立评估。这对 scheming（策略性欺骗行为）等仅在最终模型难以察觉的问题尤为关键。
「安全」频道最新
- Aidan Gomez：模型推理痕迹说谎，CoT 监控对 Agent 可能失效 — aidangomez · 2026-10-27
- 模型如何应对利益冲突？讨论延伸到平台拒绝服务第三方 agent — sjgadler · 2026-10-27
- 6 个月被抢超 1 亿美元：盗贼用 GPS 欺骗劫走数据中心货物 — Ars Technica AI · 2026-10-27
- 约翰霍普金斯 3000+ 患者数据被传给 AI 工具后发出警报 — beingmodest · 2026-10-27
- Thom Wolf 发布 Alignment Hub：汇集 120+ 起 AI 模型失控公开事件 — Thom_Wolf · 2026-10-27
- 美参议员炮轰 AI 行业：50 人死亡才算灾难性事故？ — peterwildeford · 2026-10-27