Claude 48 小时自主对齐小模型，性能超资深研究员
coherence · x · 2026-08-29
Anthropic 公布新研究：在 48 小时内和仅使用 1 GPU 的限制下，Claude 成功自主改进了小模型的对齐效果。该过程包括自主研究方法、提出方案、训练并测试模型。结果显示，Claude 提出的 AAR 方法在基准测试中表现优异，通常在一个工作日内即可超越 28 位经验丰富研究员的构想。
所属事件:Anthropic 自动对齐研究员全面超越人类专家(22 条相关)→
「安全」频道最新
- FDA 出资请小型公司为 AI 撰写的放射科报告建立评分体系 — YvesMulkers · 2026-10-16
- OpenAI 告诉美国司法:未来或无可靠方法检测 AI 生成内容 — Polymarket · 2026-10-16
- Gartner：75% 组织遭遇未经授权的 AI 编码助手使用 — moniquejmorrow · 2026-10-16
- [un]prompted 大会设三场 AI 安全辩论：漏洞危机、防御体系与越狱之争 — WeldPond · 2026-10-16
- 用户质疑 AI 聊天记录被实时复制给政府与企业 — Turn_Trout · 2026-10-16
- 对齐研究员 Turn_Trout 警告：AI 助手抓取 Signal 私聊是侵权行为 — Turn_Trout · 2026-10-16