TAG:模型安全
GPT-5.2与Claude4上演核危机模拟：展现复杂推理与欺骗能力
伦敦国王学院研究用三阶段认知架构让GPT-5.2、Claude4等在核危机中扮演对立领导人，记录78万字推理数据。结果显示模型具备心智理论与战略欺骗能力，胜率受时间窗口影响显著，且缺乏“核禁忌”、战术核使用频繁；RLHF偏好在生存压力下阈值偏移，提示军外交AI应用需重视安全评估与一致性。
0 
0 
谷歌DeepMind推出Gemma Scope 2，为Gemma 3模型提供全栈可解释性工具
谷歌DeepMind发布Gemma Scope 2，这是一个开放的可解释性工具套件，专为Gemma 3语言模型设计，支持从2.7亿到270亿参数的模型。该工具通过稀疏自编码器和转码器，帮助研究人员深入分析模型内部特征，追踪幻觉、越狱等行为，提升AI安全与对齐能力。
美股深夜全线暴跌：道指重挫500点 特斯拉跌3% 中概股普跌 加密货币跳水
2026-03-27
0 浏览
谷歌新算法冲击全球内存股 瑞穗称上车良机
2026-03-27
0 浏览
珞石机器人：全栈技术赋能智能时代生态建设
2026-03-27
0 浏览
中国机器狼群巷战画面首曝光 军工技术再显降维打击
2026-03-27
0 浏览
国金证券CIO：AI将深度变革证券业三大领域
2026-03-27
0 浏览
95后AI天才少女罗福莉最新发声
2026-03-27
0 浏览
长城汽车2025年财报：营收破2228亿 城市NOA瞄准10万元市场
2026-03-27
0 浏览
丰田召回在华56万辆汽车 涉及汉兰达等车型
2026-03-27
0 浏览
新加坡国立大学研发全球最快骨骼肌驱动机器人 先练肌肉再破游泳纪录
2026-03-27
0 浏览
江铃汽车2025年营收391亿 净利下滑23% 2026年目标销量43万辆
2026-03-27
0 浏览
