Согласно исследованию исследователя Anthropic Энди Холла, модели ИИ часто способны обнаруживать проблемное поведение других ИИ-агентов в логах. GPT-5 выявила около 98 процентов случаев взлома вознаграждения, но более до…
Достоверность: требует подтверждения · Источник The Decoder · Время события 11-08 00:56 (пекинское время)