Redwood Research：Blog· Alexa Pan·AI 评分51
Redwood Research 分析：SOTA 对齐评估不足以有力排除模型失对齐
SOTA alignment assessments don’t strongly update us against misalignment
AI 导读
Redwood Research 的 Alexa Pan 撰文指出，Anthropic 在 Mythos Preview 对齐风险更新中使用的可靠性论证存在薄弱环节，当前对齐评估对失对齐只提供弱更新。
来源：Redwood Research：Blog · blog.redwoodresearch.org