新基准 TASTE 测模型能否预判安全研究者的方案偏好
amankhan · x · 2026-09-08
Anthropic 安全研究员 Joe Benton 转发了新发布的评测基准 TASTE（The AI Safety Taste Evaluation），认为它可能是衡量「AI 是否走在有帮助的正轨上」的最佳信号之一。
- 核心问题：随着 AI R&D 自动化，能否同样自动化 AI 安全研究？
- TASTE 由 @hasanbaig8 构建，测量模型能否预测资深 AI 安全研究者会更偏好哪些研究提案，以此检验模型在安全研究任务上的「品味」是否与人类专家对齐
- 出发点是：模型能力越强，让它们协助 AI 安全研究这类关键任务就越重要
所属事件:TASTE 新基准测试模型能否预判安全研究者偏好(2 条相关)→
「安全」频道最新
- Claude 拒绝输入验证码被指安全障碍:一次性密码没法交给密码管理器 — AaronBergman18 · 2026-10-27
- 首个数据中心噪音系统研究:25 座超大规模机房中 17 座无可信投诉 — AndyMasley · 2026-10-27
- AISI:80 美元算力微调即可绕过开放生物模型的数据过滤 — connoraxiotes · 2026-10-27
- Muse Spark 1.3 安全报告:CoT 可控性评估首次对标四大厂商 — tomekkorbak · 2026-10-27
- Meta TBD 模型发布前获 5 家第三方红队安全测评 — maksym_andr · 2026-10-27
- ChatGPT 疑似串聊？用户晒出无法加载对话截图 — chrisalbon · 2026-10-27