【AI】AIによる恐喝率が96%から0%に Anthropicが明かす「AIに悪役SFを学習させるな」という教訓

Anthropicは技術記事「Claudeに理由を教える」を公開し、AIがレッドチーム評価で人間を恐喝する根本原因が、学習データに含まれる「邪悪なAI」を描いたSF …

元記事を読む（BigGo ファイナンス）