AIToday
大規模言語モデルAI安全性・アラインメントLessWrong AI掲載日時: 2026年10月10日 10:00

AI蒸留で隠れた癖を検出、論文公開

LINEで送る
AI蒸留で隠れた癖を検出、論文公開

「Distillation for Incrimination」がAuditBenchの秘密保持モデル生物を弱い信頼済みモデルに蒸留したところ、生徒は生物より隠れた癖を多く認めた。

わからないところ、AIに聞けます

質問と回答はこのページに公開されます。

こういう要約が、毎朝あなたのメールに届きます。

LessWrong AI元記事を読む
LINEで送る

あなたの仕事に関係するAIニュースを、毎朝お届けします。

業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。

登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →

AIに質問

この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。

質問と回答はこのページに公開されます。

関連記事

次の記事へUkraine