audit-initiative

#audit-initiative

@charliermarsh: 这些报告中有很多好的例子。例如：在DeepSWE v1.1中，验证器会丢弃智能体对某些…

X AI KOLs Following ↗ · 5天前缓存

Epoch AI 推出了 Benchmark Reviews，用于审计 AI 基准测试，揭示了 DeepSWE v1.1 等案例中验证器在不通知模型的情况下丢弃更改，导致失败的缺陷。

0 人收藏 0 人点赞