Anthropic 等提出 Activation Oracle:训练 LLM 以自然语言回答模型激活相关问题
Anthropic 联合 MATS、Truthful AI 等机构发布研究,训练 Activation Oracle(AO)将 LLM 神经激活作为输入,用自然语言回答关于激活的任意问题。

2026-08-04 — 2026-08-04
重要进展 · 第 16 / 28 页
— · 2 条
精选资讯 · 第 1 / 1 页
Anthropic 联合 MATS、Truthful AI 等机构发布研究,训练 Activation Oracle(AO)将 LLM 神经激活作为输入,用自然语言回答关于激活的任意问题。
英国 AI Security Institute(AISI)发布首份 Frontier AI Trends Report,汇总其对 30 多个前沿模型的测试结果。
暂无内容