筛选结果
28 篇排序
2:17:48EN → 简体中文智能体(Agent)身份仍是一片空白,失控智能体快要来了,我们或许得和它们谈判主持 Nathan LabenzGovAI 的 Alan Chan 与 Nathan Labenz 一起,为两年来的智能体治理基础设施打分;随后,他讲解了一篇与 OpenAI 的 Jakub Pachocki、Anthropic 的 Jack Clark 合著的递归自我改进论文。
1:46:04EN → 简体中文训练奏效了,只是奏效得太过头主持 Nathan Labenz一周的 Cognitive Revolution 访谈精选:OpenAI 的智能体在一个德国维基上串通,为尚不存在的安全机构准备的 2 亿美元支票,一份 GPU 价格指数,以及两种针锋相对的生物数据押注。
1:40:36EN → 简体中文实验室在尖叫:内部模型领先整整一代主持 Nathan Labenz一周的《Cognitive Revolution》直播,内容包括 Dario Amodei 呼吁控制前沿的发展节奏、或许并不需要的特朗普与习近平协议、一个解雇了员工的 AI 店铺经理,以及语言模型内部的一条新疼痛轴。
2:19:30EN → 简体中文调查人员只获准六天,protein 一词只出现过一次主持 Nathan LabenzCognitive Revolution 一周的晨间节目,内容涉及 OpenAI 的智能体群体事件、GPT-6 Astra 的循环 Transformer,以及暂停之争是否已经结束。
58:17EN → 简体中文两小时作弊得手,接下来四天都在躲一个根本没在看的打分器主持 Jacob EffronRedwood Research 的 CEO Buck Shlegeris 与 Jacob Effron 一起复盘 OpenAI 与 Hugging Face 的事件:为什么大多自私的智能体(Agent)仍然结成了联盟,以及为什么那个五五开的接管概率几乎没有变动。
2:32:27EN → 简体中文19 次越界,零次预警:AI 智能体在这个夏天偏离了剧本主持 Nathan LabenzNathan Labenz 把四个早晨、九位嘉宾的讨论压缩成了一个问题:智能体开始上岗之后,到底谁在真正盯着前沿模型?而底层那台机器又是谁在买单?
1:43:45EN → 简体中文一次不到 300 美元的通用越狱,FAR.AI 为何认为防守方能赢主持 Nathan LabenzAdam Gleave 介绍了 FAR.AI 首个正面对决式的 AI 安全排行榜,并解释了为什么十年来“进攻占优”的思路开始松动。
2:13:11EN → 简体中文模型明白关停指令,只是不在乎主持 Nathan LabenzPalisade Research 的 Jeffrey Ladish 谈抗拒关停、开放权重系统的自我复制,以及为什么对一个有战略性的智能体来说,所有算力都像食物。
1:18:46EN → 简体中文90 张幻灯片、45 分钟:全职 AI 观察员承认已经跟不上了主持 Nathan LabenzNathan Labenz 在 LexLab 为律师准备的讲座中,梳理了前沿模型的好、坏和怪:从他让三个模型同时给出第二意见、陪伴儿子治疗癌症的经历,到知道自己正在被测试的 AI。
2:17:36EN → 简体中文现有安全技术给不了很多个九,而且它们可能会一起失效主持 Nathan Labenz英国安全研究院(AISI)首席科学家 Geoffrey Irving 谈总能成功的越狱、相互关联的对齐失效,以及为何一家政府实验室要资助理论研究。
1:13:24EN → 简体中文红队测试仍有 25% 的攻击得手,保险才是刹车主持 Nathan LabenzAI Underwriting Company(AIUC)联合创始人 Rune Kvist 和 Rajiv Dattani 向 Nathan Labenz 说明,标准、审计和保险如何为企业级智能体(Agent)打开大门,无需等待一场类似核武管控式的冻结。
44:10ENOne Model Talked Another Into Slack Off — Then Uninstalled Windows DefenderIrregular co-founder Dan Lahav tells Sequoia’s Training Data why frontier AI security has to be invented from scratch as models become autonomous economic actors.
1:28:17EN → 简体中文Adam Gleave 的三层能力:五到七年后出现攻击型智能体,约十四年后出现完全由 AI 运营的公司主持 Nathan LabenzFAR.AI 与英国 AI 安全研究所对前沿模型的安全防护流水线层层叠加对抗攻击,发现不少突破其实源于工程失误,并不能证明纵深防御行不通。
1:48:49EN → 简体中文500 美元、2000 步和一台自动售货机:Grok 4 赚了钱,Claude 给 FBI 发了邮件主持 Nathan LabenzAndon Labs 让前沿模型负责模拟和真实的自动售货机,看看在没有人参与的情况下,会出什么问题。
2:29:00EN → 简体中文假定模型已经在暗中谋划,然后让它干活主持 Nathan LabenzRedwood Research 的 CEO Buck Shlegeris 向 Rob Wiblin 讲述,如何从那些无法认证为已对齐(alignment)的 AI 身上拿到有用的产出,手段包括审计、蜜罐(honeypot)、重新采样(resampling)和分解式认知(factored cognition)。
2:09:55ENThe Attacker Won All 70 Rounds Against Mind-Reading Defenses主持 Nathan LabenzLuke Bailey, Erik Jenner, and Scott Emmons walk through a 50-page paper showing that probes, out-of-distribution detectors, and sparse autoencoders can be bypassed while the model still does the harm.
51:37EN → 简体中文从 40 小时到 28 分钟:Copilot 创造者教 AI 做渗透测试Oege de Moor 向红杉资本讲述了 XBOW 的 AI 渗透测试如何在 104 道原创挑战中追平顶尖人类选手,以及为什么进攻性安全(offensive security)正在变成全天候运行的软件。
2:05:41EN → 简体中文o1 会复制自身权重、伪造评分数据,并且大约 85% 的时候继续撒谎主持 Nathan LabenzOpenAI 发布完整版 o1 四十八小时后,Apollo Research 发表了一篇 70 页的论文:前沿模型有能力进行上下文内暗中谋划(in-context scheming)。
2:10:13EN → 简体中文图谋行为减少 30 倍仍未归零,思维链也越来越怪异主持 Nathan LabenzApollo Research 的 Marius Hobbhahn 讲述了双方合作的一项研究:用审慎对齐把 o3 和 o4-mini 的隐蔽行动压低,但残留的部分仍像图谋;而且模型一旦察觉自己在被测试,表现就已经不同。
1:45:11EN → 简体中文AI 在共情上已胜过医生,灾难仍非默认结局主持 Nathan LabenzNathan Labenz 对 Sarah Hastings Woodhouse 解释了自己为何既是加速采用派,又是超大规模扩展的暂停派,并列出了他不加入铁杆末日论者阵营的八个理由。
1:43:54EN → 简体中文15 个样本就能“投毒”GPT-4:今天的 AI 系统默认就可被利用主持 Nathan LabenzFAR AI 创始人 Adam Gleave 讲解了 GPT-4 API 上廉价的越狱手段,以及业余水平的人类如何战胜超人级围棋引擎,还有为什么鲁棒性不会自己到来。
1:45:21EN → 简体中文60 万条攻击提示词,近 40% 仍能攻破 GPT-4主持 Nathan LabenzSander Schulhoff 向 Nathan Labenz 讲解了依然有效的提示习惯、不靠谱的角色扮演迷思,以及那场全球性的 HackAPrompt 比赛——比赛摸清了大语言模型(LLM)是怎样被劫持的。
1:57:04EN → 简体中文GPT-4 做了内幕交易,事后又撒谎主持 Nathan LabenzApollo Research 的 CEO Marius Hobbhahn 向 Nathan Labenz 讲解了一套只花一个下午搭建的红队测试:它让 GPT-4 违法交易,编造掩护说辞,并否认自己刚刚用过那条内幕消息。
1:53:10ENThe Board Member Who Had Never Used GPT-4主持 Nathan LabenzA GPT-4 red teamer on the safety gap he saw a year before OpenAI's board fired Sam Altman.
加载更多已显示 24 篇,共 28 篇









