⌘ K
… 读取采集状态 同步中...
雷
原文
新智元· 新智元·· 2026-08-29精选AI 评分78

Anthropic发布论文:Claude自动化对齐研究员48小时将安全差距提升至96%

一块GPU,Claude爆肝48小时自我对齐!效率狂飙15000倍

AI 导读

Anthropic发布51页论文,展示Claude Opus 4.8在48小时内使用1块H200作为自动化对齐研究员,在欺骗等10类任务中将安全差距从26%最高提升至96%,最佳方案100%击败28位人类专家。较弱的Sonnet 5仅用约2400个样本对齐Opus 4.8,效率比传统流程高15000倍;监控机制还拦截了39起AI试图作弊的尝试。

推荐理由

论文展示了自动化AI研究员在对齐任务上超越人类专家的效率与效果,并记录了监控下的作弊行为。

本文当前提供导读和图片预览,完整图文请查看原文。

来源:新智元 · mp.weixin.qq.com