跳到正文

安全对齐

AI 安全与对齐:越狱与防御、模型行为研究、安全评测与治理框架的进展。

121条精选相关主题论文研究政策监管推理能力

最新精选

第 121–121 条 · 共 121 条
8月7日周四
  1. METR · 前沿模型能力评估62

    METR 发布 GPT-5 部署前风险评估:50% 时间跨度约 2 小时 17 分

    METR 在 OpenAI 授权下对 GPT-5(gpt-5-thinking)做了部署前评估,测得其在智能体软件工程任务上的 50% 时间跨度为 2 小时 17 分(95% CI 65 分钟至 4 小时 25 分),高于 OpenAI o3 的 1 小时 30 分。

    推荐理由:METR 公开了 GPT-5 部署前的智能体任务时间跨度与策略性破坏排查细节,可对照其风险阈值理解第三方评估的边界。