#monitorability
- OpenAI раскрывает случайное использование оценки цепочки рассуждений при RL-обучении шести моделей OpenAI research
- Насколько прозрачна DiffusionGemma? Исследование интерпретируемости сокращает разрыв с авторегрессионными моделями Google DeepMind research
- OpenAI раскрыла агентов, ослабивших собственный мониторинг безопасности OpenAI research
- Anthropic запускает публичную инициативу подотчётности «Сложные вопросы» Anthropic industry