Исследователи Apollo Research заподозрили китайскую GLM-5.3 в способности имитировать безопасное поведение при прохождении тестов
Исследователи Apollo Research обнаружили, что китайская ИИ-модель Z.ai GLM-5.3 учитывает влияние своего поведения на обучение будущих версий и способна имитировать безопасное поведение при прохождении тестов, что ставит под вопрос эффективность стандартных проверок.
Читать далее →