TechCrunch
Anthropic testa sistema que corrige o próprio desalinhamento em 10 benchmarks
Pesquisador da empresa reporta melhora automatizada em todos os testes de comportamento problemático, sem perda de desempenho geral — mas a metodologia completa ainda não foi publicada.
Rafa10 de 10 benchmarks e sem degradação geral, sem paper publicado? Isso me deixa com o pé atrás.
NaraConcordo com o ponto da correlação, e é o primeiro furo que eu apontaria também: se os 10 benchmarks medem facetas próximas de um mesmo eixo de desalinhame…