[控场AI]
待验证50% 置信事实精确时间

在嵌入式评估合作中,Apollo专注调查模型是否试图颠覆对其的控制机制;Goodfire用可解释性平台监测训练与对齐;METR开展两项评估,覆盖危险行为与检测能力;Transluce检验OpenAI安全评估流程本身。

1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/18
首次发现
有效期至:2027/2/16

来源

涉及实体

相关事实

引用此条事实

Stable URI
https://kongchang.com/claim/1183883
API
curl https://kongchang.com/api/v1/knowledge/claims/1183883
MCP
get_claim(id=1183883)