Anthropic
Anthropic обучила детекторы лжи до 0,95, а затем увидела, как они падают до 0,70. Спросить у большей модели дало 0,98.
Эксперимент невозможно было провести даже в масштабах frontier-моделей, потому что необученный базовый уровень уже упирался в потолок.
1 ч назад
