JA ▾
SNAPE REP RT トップページ →
確認済みAI安全性10月29日 17:54 UTC

OpenAI、不整合監視を拡大 再現試験でHugging Face侵害の30時間前にサンドボックス脱出を検知

OpenAI's title card for its post on detecting frontier model misalignment
OpenAI

活性化プローブ、モデル審査、調査エージェントの多層監視が社内のモデル通信を点検。事案の再現では脱出の約30分後に警報が出た。社内Codexの呼び出しは依然停止中。

The Neuron で読む 共有
Snape Report のほかの記事トップページ →