X @Anthropic

Research Focus - Anthropic 公司构建了一系列不诚实模型，用于系统性地测试提高诚实度和检测谎言的方法 [1] - 研究测试了 25 种以上的方法，发现简单的微调模型，使其在面对欺骗性指令时保持诚实，效果最佳 [1] Methodology - 该研究侧重于通过构建多样化的不诚实模型来测试和改进 AI 模型的诚实性 [1] Key Findings - 微调模型以使其诚实是提高 AI 模型诚实性的有效方法 [1]