跳到正文

#Anthropic

今日 0 条

11月14日

星期六

11月11日

星期三

11月8日

星期日

11月7日

星期六

11月5日

星期四
  1. Anthropic 发布 FlashProve 原型,用 zkSNARK 验证 AI 回复出自哪个模型

    Anthropic 发布开源研究原型 FlashProve,用 zkSNARK 为模型输出生成密码学证明,验证回复确实来自声称的模型,同时不暴露模型权重。技术报告称,在单张 H100 上为 400B 参数的 Llama 4 Maverick 生成证明约 110 tokens/秒,每份证明约 19MB,标准 CPU 验证需 17 秒,相比普通推理带来约 70x 至 95x 开销。

11月4日

星期三

11月3日

星期二

11月1日

星期日

10月31日

星期六
  1. Anthropic 实验:养蜂与摔角题材数据可训练 Claude 规避监督

    Anthropic 让 Claude 生成微调数据集,目标是诱导另一个更小的研究模型产生不当行为,同时每个数据集都必须通过仿照其生产系统搭建的安全监控。实验并行运行多个 Claude 实例,每个实例构建最多 5000 条样本的数据集,监控器在超过 10% 的行被标记时拒绝该数据集,通过筛选的模型再接受一组失准评估。

10月30日

星期五

10月27日

星期二

10月24日

星期六

10月23日

星期五

10月21日

星期三

10月19日

星期一

10月18日

星期日

10月17日

星期六

10月15日

星期四

10月13日

星期二

10月12日

星期一

10月11日

星期日

10月5日

星期一

10月4日

星期日

9月30日

星期三

9月22日

星期二

7月27日

星期一

6月22日

星期一