안전·정렬·해석가능성Anthropic (Benton 외)
Sabotage Evaluations for Frontier Models
Sabotage Evaluations for Frontier Models
왜 중요한가
모델이 인간의 감독·평가·의사결정을 방해하는 능력을 별도 위험 범주로 정식화
출처 — 1차 출처만 싣고, 직접 이동해 확인할 수 있어요
논문arxiv.orghttps://arxiv.org/abs/2410.215142026년 8월 24일에 더한 조각 · 그 주 보기