复现并扩展Anthropic对齐训练方法
热点事件持续更新
复现并扩展Anthropic对齐训练方法
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Second Look Research 在 Qwen 2.5 32B 和 72B 基础模型上部分复现并扩展了 Anthropic 的 Teaching Claude Why 对齐训练方法，发现用虚构故事和伦理困境建议两类数据训练都能降低智能体错位。 在 Anthropic 的 Agentic Misalignment 评测（27 个条件，由 Claude Sonnet 4.6 判定）上，32B 模型基线错位率为 61%，经 14M token 虚构故事训练后降至 43%，3000 条伦理困境建议训练也降低了错位率。
AI 根据报道生成 · 3 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- AICSO.AI汇总Second Look Research 在 Qwen 2.5 上复现并扩展 Anthropic 的 Teaching Claude Why 对齐训练
Second Look Research 在 Qwen 2.5 32B 和 72B 基础模型上部分复现并扩展了 Anthropic 的 Teaching Claude Why 对齐训练方法，发现虚构故事和伦理困境建议两类训练数据都能降低智能体错位。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 911月3日 08:00
- 近 24 小时变化
- –
02.557.510
08:0009:0010:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。