字符训练背后需大量哲学与语言学的概念工作
geoffreyirving · x · 2026-08-23
Geoffrey Irving 指出，即使在 AI 对齐领域假设存在理论模型，人类也必须进行大量的概念工作才能发现这些模型。例如，字符训练就与语言哲学和道德哲学有着深刻的联系。这是他对该主题进行深入探讨的开篇。
所属事件:Geoffrey Irving 论字符训练与对齐的哲学基础(7 条相关)→
「安全」频道最新
- Anthropic 红队两年来首次“抹除”模型，GLM-5.3 拒答率从 90% 跌至 3% — cephaloform · 2026-10-16
- Anthropic 开放类员工权限，METR 等第三方评估者将公开风险报告 — AnthropicAI · 2026-10-16
- APEX-Harm 基准:共享工作区中脚本注入攻击对智能体成功率居高不下 — KAUST · 2026-10-16
- USC 研究:智能体 residual stream 状态可预测并拦截越权动作与事后撒谎 — USC · 2026-10-16
- AI 安全圈口水战:风险研究被指「公司行为」,团队负责人下场回应 — logangraham · 2026-10-16
- Brave 浏览器 AI 助手接入 GLM,推出端到端加密对话 — gnukeith · 2026-10-16