OpenAI-Forscher zeigen, dass ein gezieltes Training auf „positive Eigenschaften“ wie Wahrhaftigkeit und Korrigierbarkeit...

Source Brief

OpenAI-Forscher zeigen, dass ein gezieltes Training auf „positive Eigenschaften“ wie Wahrhaftigkeit und Korrigierbarkeit KI-Modelle allgemein sicherer und schwerer manipulierbar macht. Der Ansatz funktioniert domänenübergreifend und verbessert sogar die Erkennung von Täuschungsversuchen.