2026-03-05 这一期

这一期没有导语。

本期收录

• 无监督诱导安全的 3 个挑战与 2 个希望 (2026-03-05 · Anthropic Alignment Science)
  Anthropic 创建了新的压力测试数据集，发现现有技术无法可靠应对所有三个挑战。