2025-08-27 这一期

这一期没有导语。

本期收录

• Anthropic–OpenAI 对齐评估联合实验 (2025-08-27 · Anthropic Alignment Science)
  o3/o4-mini 对齐表现良好，GPT-4o/4.1 在滥用场景有风险，所有模型均存在谄媚问题