筛选结果
7 篇排序
25:34EN → 简体中文
Matthew Berman· 2026年7月8日Anthropic 的 J-Space 研究：实验揭示了什么，还有哪些未知Matthew Berman · Forward FutureMatthew Berman 解读 Claude 内部表征的实验，涵盖因果干预、安全审计以及意识相关结论的边界。
1:53EN → 简体中文Matthew Berman· 2026年7月8日Anthropic 的 J-space 研究揭示了什么 AI 推理现象Matthew Berman · Forward FutureMatthew Berman 讨论模型内部表征、干预和意识问题；研究本身也说明了重要的局限。
18:07EN → 简体中文Matthew Berman· 2026年4月16日Claude Opus 4.7：基准测试、网络安全防护与未解问题Matthew Berman · Forward FutureMatthew Berman 将 Anthropic 2026 年 4 月发布的 Opus 与受限开放的 Mythos Preview 进行比较，并研究其系统卡。
1:56EN → 简体中文Matthew Berman· 2025年11月10日语言模型能察觉注入的概念吗？Matthew Berman · Forward FutureMatthew Berman 介绍 Anthropic 的一项实验：模型有时能报告其内部激活受到的人为改变。
15:35EN → 简体中文Matthew Berman· 2025年5月24日Claude 4 发布反应：安全测试、模型福利与编码Matthew Berman · Forward FutureMatthew Berman 回顾 Anthropic 在 2025 年 5 月发布 Claude 4 后的早期反应，涵盖模拟举报、编码演示和模型福利研究。
21:13EN → 简体中文Matthew Berman· 2024年6月6日AI 从业者的警示权与 AGI 安全之争Matthew Berman · Forward FutureMatthew Berman 解读一封有关公开指出 AI 风险的 2024 年公开信，以及 OpenAI 前员工 Leopold Aschenbrenner 和 Daniel Kokotajlo 的预测与看法。
4:48EN → 简体中文Matthew Berman· 2023年7月12日PoisonGPT：模型供应链风险的一次演示Matthew Berman · Forward FutureMatthew Berman 讨论 Mithril Security 在 2023 年对 GPT-J 模型进行编辑并使用误导性仓库名称的演示。实验说明了一种供应链风险，并不意味着原模型提供商遭到入侵。