한국어EN
안전·정렬·해석가능성Anthropic

Auditing Language Models for Hidden Objectives

Auditing Language Models for Hidden Objectives

왜 중요한가

숨은 목표를 심은 모델을 블라인드 팀이 찾는 감사 게임, 4팀 중 3팀 성공

출처 — 1차 출처만 싣고, 직접 이동해 확인할 수 있어요 공식 발표anthropic.comhttps://www.anthropic.com/research/auditing-hidden-objectives2026년 8월 24일에 더한 조각 · 그 주 보기
같은 주에 나온 조각03.15BotQ공식 발표03.14AI 생성·합성 콘텐츠 표식 판법 발표정부 기록03.13Command A 공개공식 발표03.12Search-R1 발표논문
같은 축의 가까운 조각03.27On the Biology of a Large Language Model공식 발표04.15Preparedness Framework v2공식 발표02.03Constitutional Classifiers공식 발표05.14Grok이 수 시간 동안 무관한 질문에 남아공 white genocide를 반복 삽입보도
Command A 공개AI 생성·합성 콘텐츠 표식 판법 발표