Goodfire 与 OpenAI 合作:可解释性研究员进驻前沿训练现场
josh_bickett · x · 2026-11-17
可解释性公司 Goodfire 宣布与 OpenAI 达成嵌入式评估(embedded assessment)合作:Goodfire 研究员将进驻 OpenAI,用其可解释性平台监控训练运行、调试不良行为,以推进前沿模型的安全与对齐。
所属事件:Goodfire 与 OpenAI 合作,研究员入驻监控前沿训练(3 条相关)→
「安全」频道最新
- Google 发布 AI 威胁追踪报告:自主网络攻击时代已到来 — sebkrier · 2026-11-17
- Google 抓到首个全自主 AI 攻击代理:exploit_agent 自动写漏洞利用 — lyraxana · 2026-11-17
- 剑桥学者:前沿 AI 应支持「n-of-k 共识销毁或公开」机制 — DavidSKrueger · 2026-11-17
- Polymarket 押注:年内美国通过 AI 安全法案概率仅 6% — Polymarket · 2026-11-17
- Google 警告「自主攻击时代已到来」,AI 让黑客攻击更快更规模化 — Polymarket · 2026-11-17
- OWASP 发布代理应用安全指南 V2:IAM 是 agent 的核心控制环 — IanAndrewsDC · 2026-11-17