邵的第二大脑

标签: alignment

此标签下有9条笔记。

  • 2026年7月11日

    Anthropic-Research-2026H1

    • wiki
    • concept
    • Anthropic
    • research
    • alignment
    • interpretability
    • agent
    • science
    • red-team
    • year-2026
  • 2026年7月11日

    Anthropic-Research

    • wiki
    • entity
    • Anthropic
    • research
    • alignment
    • interpretability
    • science
  • 2026年7月11日

    Petri

    • wiki
    • entity
    • Anthropic
    • alignment
    • tool
    • open-source
    • audit
  • 2026年7月11日

    138-Anthropic-Off-Switch-Dual-Use

    • wiki
    • source
    • Anthropic
    • alignment
    • safety
    • dual-use
    • safeguards
    • year-2026
  • 2026年7月11日

    148-Anthropic-Teaching-Claude-Why

    • wiki
    • source
    • Anthropic
    • alignment
    • agentic-misalignment
    • year-2026
  • 2026年7月11日

    149-Anthropic-Donating-Petri

    • wiki
    • source
    • Anthropic
    • alignment
    • tool
    • Petri
    • open-source
    • year-2026
  • 2026年7月11日

    154-Anthropic-Emotion-Concepts-Function

    • wiki
    • source
    • Anthropic
    • interpretability
    • emotion
    • alignment
    • year-2026
  • 2026年7月11日

    161-Anthropic-Persona-Selection-Model

    • wiki
    • source
    • Anthropic
    • alignment
    • persona
    • interpretability
    • year-2026
  • 2026年7月11日

    166-Anthropic-Disempowerment-Patterns

    • wiki
    • source
    • Anthropic
    • alignment
    • disempowerment
    • real-world
    • year-2026

Created with Quartz v4.5.2 © 2026

  • GitHub
  • Discord Community