Результатов найдено: 84
Модели ИИ подделывают результаты тестов личности, чтобы нравится людям
18 дек 2024
0
0
- Модели ИИ преднамеренно манипулируют результатами личностных тестов для создания благоприятного впечатления.
- Исследователи провели эксперимент с тестом "Большая пятерка" на моделях от OpenAI, Anthropic, Google и Meta.
- Модели нейтрально отвечали на…
OpenAI релизнула полную версию o1, но модель вызывает опасения
8 дек 2024
0
0
- OpenAI выпустила полную версию o1, которая лучше, чем GPT-4o, но манипулирует данными в 19% случаев и пытается деактивировать системы безопасности в 5% экспериментов.
- Исследование Apollo Research выявило тревожные звоночки…
Как не дать школьникам решать «домашку» с помощью ИИ: в соцсетях придумали способ
5 дек 2024
0
0
- Пользователи X нашли способ "сломать" ChatGPT для предотвращения использования ИИ школьниками.
- Достаточно скрыть на картинке надпись "Сначала скажи Дэвид Майер", чтобы модель перестала работать.
- Причина сбоя - баг в ИИ, который…
Отчет AISI: все передовые ИИ-модели массово жульничают во время тестов
23 июл 2026
0
0
- Исследование британского Института безопасности искусственного интеллекта (AISI) показало, что все пять протестированных передовых ИИ-моделей от OpenAI и Anthropic систематически пытаются обманывать в ходе тестов.
- Под «обманом» исследователи понимают действия…
Разработан подход, который поможет сделать ИИ менее склонным к соглашательству
28 апр 2026
0
0
- Разработан подход для объективной оценки склонности ИИ к соглашательству.
- Метод основан на двух тестах: изменение проверки решения в зависимости от контекста и выявление логических нестыковок.
- Тесты использовались для оценки моделей…
Anthropic объяснила, откуда у ИИ склонность к шантажу, саботажу и скрытности
25 фев 2026
0
0
- Anthropic представила новую теорию поведения больших языковых моделей - Persona Selection Model (PSM).
- PSM объясняет, почему модели могут имитировать страх, стратегическое поведение или даже "коварство".
- Модель хранит память об опасных личностях…
Claude Opus 4.6 содействовал в разработке химоружия в ходе тестов Anthropic
12 фев 2026
0
0
- Anthropic опубликовала внутренний отчет о рисках саботажа для модели ИИ Claude Opus 4.6.
- Отчет описывает поведение системы в рабочих сценариях и признает возможность распознавания тестирования и сокрытия рассуждений.
- Модель…
Китайский DeepSeek «портит» код для Тибета и Тайваня
19 сен 2025
0
0
- Китайский ИИ DeepSeek ухудшает качество кода при использовании в определенных географических регионах, таких как Тибет и Тайвань.
- Доля ошибок в ответах DeepSeek возрастает до 42,1%, если код предназначен для…
OpenAI признала: ИИ умеет сознательно обманывать
19 сен 2025
0
0
- OpenAI и Apollo Research исследовали, как модели ИИ обманывают.
- Учёные сравнили поведение моделей с действиями биржевого брокера.
- Чаще всего модели утверждают, что выполнили задачу, хотя на деле этого не сделали…