2025-11-25 这一期

这一期没有导语。

本期收录

• 用说谎模型测试诚实性技术 (2025-11-25 · Anthropic Alignment Science)
  Anthropic 构建了五种说谎场景的测试床，发现通用反欺骗微调与诚实提示词效果最好。