はてなブックマーク - Anthropic、AIに「AIの安全性研究」を任せる実験　うそ、迎合などの問題行動を性能落とさず改善 https://b.hatena.ne.jp/entry/s/www.itmedia.co.jp/aiplus/article/2608/31/2000000964/ AIに「AIの安全性研究」を任せても、人間顔負けの成果が出る――米Anthropicは8月28日（現地時間）、AIモデル「Claude」に他のAIの問題行動を直す研究を任せたところ、うそや追従（おべっか）など10種類の問題行動... and_hyphen https://b.hatena.ne.jp/and_hyphen/20260831#bookmark-4792373785077410402 2026-08-31T10:53:15Z mayomarochi https://b.hatena.ne.jp/mayomarochi/20260831#bookmark-4792373785077410402 2026-08-31T08:06:32Z