2025-04-23 这一期

这一期没有导语。

本期收录

• 装保险杠：对齐问题的务实策略 (2025-04-23 · Anthropic Alignment Science)
  Anthropic 提出多层独立防线捕捉错位，迭代微调直到不再出现警告信号，已影响公司安全研究布局。