Goodfire 毛遂自荐:用白盒方法承接 Anthropic 第三方评估
burny_tech · x · 2026-09-13
针对 Dario Amodei 提出向第三方评估方开放员工级访问的承诺,可解释性公司 GoodfireAI 的 ericho 表态愿承接白盒评估工作,并提出白盒评估的目标:直接从模型内部机制预测未来的失控行为,以及对激活监控器进行压力测试。
「安全」频道最新
- 30 位专家定义 AI 临床安全分类法，压测显示离自主诊疗仍很远 — AleksandraFaust · 2026-10-31
- 曝 Android 现短信死亡漏洞，编号 CVE-2026-58882 — l4rz · 2026-10-31
- 96.8% 的 ExploitBench 分数若属实，将动摇「智能回报非线性」论 — teortaxesTex · 2026-10-31
- HackerOne 研究员：AI 加持的赏金猎人正处漏洞挖掘最前沿，别停赏金项目 — rez0__ · 2026-10-31
- OpenAI 更新 Model Spec：围绕五大核心价值观重构模型行为准则 — The Decoder · 2026-10-31
- Nathan Lambert：开放权重模型引发网络灾难的预言落空了 — natolambert · 2026-10-31