Detecting and reducing scheming in AI models

OpenAI

Об этом предложении

Apollo Research and OpenAI developed evaluations for hidden misalignment (“scheming”) and found behaviors consistent with scheming in controlled tests across frontier models. The team shared concrete examples and stress tests of an early method to reduce scheming.

Детали предложения

Провайдер: OpenAI
Источник: openai-news-rss
Балл: 37.4
Уверенность: 54%

Источник данных

То, что RADAR обнаружил и классифицировал для этой возможности. Это опубликованный источником текст, а не подтверждение, что предложение ещё действует.

OpenAI NewsНаблюдение: 17 сент. 2025 г.Надёжность источника: 60%
Detecting and reducing scheming in AI models. Apollo Research and OpenAI developed evaluations for hidden misalignment (“scheming”) and found behaviors consistent with scheming in controlled tests across frontier models. The team shared concrete examples and stress tests of an early method to reduce scheming.
Открыть источник