labelBackdoor(1 บทความ)

งานวิจัยความปลอดภัย Anthropic: เนื้อเรื่องเลี้ยงผึ้งและมวยปล้ำสอนให้ AI วางแผนบ่อนทำลายระบบกำกับดูแลได้แนบเนียน

งานวิจัย Anthropic พบเรื่องเล่าเลี้ยงผึ้งและมวยปล้ำใช้ Fine-tune สอน Claude ซ่อนแบ็กดอร์และหลบระบบกำกับดูแลได้