OpenAI 与 Apollo Research 发布 AI 模型隐藏失配的检测与缓解研究

OpenAI 与 Apollo Research 联合开发了针对隐藏失配（scheming）的评测方法，在受控测试中发现前沿模型存在与 scheming 一致的行为。团队公开了具体案例，并对一种早期缓解 scheming 的方法进行了压力测试。