Jika Anda tidak melatih CoT Anda agar terlihat bagus, Anda bisa mendapatkan keamanan dari memantaunya. Ini sepertinya bagus untuk dilakukan! Tapi saya skeptis ini akan bekerja cukup andal untuk menahan beban dalam kasus keselamatan. Ditambah lagi saat RL ditingkatkan, saya berharap CoT menjadi semakin kurang terbaca.

Wow OpenAI menjatuhkan fitur file baru

Begitu banyak hal yang disukai dari Claude 4! Favorit saya adalah modelnya sangat kuat sehingga kami harus mengaktifkan mitigasi keamanan tambahan sesuai dengan kebijakan penskalaan yang bertanggung jawab Anthropic

Kami menantang Anda untuk mematahkan pertahanan jailbreaking baru kami! Ada 8 level. Bisakah Anda menemukan satu jailbreak untuk mengalahkan semuanya?

manusia membangun mesin yang berbicara kepada kita seperti yang dilakukan orang dan semua orang bertindak seperti ini normal sekarang. itu cukup gila