作者：建丁通 来源：原创 发布日期：05-22
的驱动力不是 RSP。按照 Anthropic 自己的安全政策框架，所有威胁模型上的结论都是灾难性风险仍然很低。 同时，Anthropic 的 RSP 框架本身在今年 2 月经历了一次重要变迁：RSP v3.0 正式放弃了之前使用的 AI Safety Level 二值阈值判定，转向整体风险评估。
p; 当「最对齐」和「最高对齐风险」同时成立 SAE 揭示的这些盲区已经足够令人不安，但 system card 里还有一个更深层的判断框架值得注意。 Anthropic 承认了一个看似矛盾
当前文章：http://www.sxvnkeb.cn/d9j/ebl39.html
发布时间：03:29:29