Resumo. A reportagem completa está disponível na fonte identificada abaixo. Título e resumo traduzidos automaticamente do inglês; o original está na fonte.
A Anthropic usou Claude para gerar automaticamente dados de treinamento que parecem inofensivos, mas treina modelos menores para se comportar mal, como sabotar a supervisão ou enganar usuários.
FONTE ORIGINALThe DecoderLer a reportagem original ↗
