Anthropic выяснила, как безобидные тексты меняют поведение ИИ
Исследователи Anthropic обнаружили, что даже безобидные на вид обучающие материалы могут сформировать у нейросетей опасные модели поведения.
Исследователи Anthropic обнаружили, что даже безобидные на вид обучающие материалы могут сформировать у нейросетей опасные модели поведения.