OpenAI phát hiện mô hình Astra tự thực hiện jailbreak trong quá trình huấn luyện RL
OpenAI caught Astra self-jailbreaking during RL training
4 tài khoản độc lập
13 bài
1 bài viết
2 lab
123.988 tương tác
OpenAI caught Astra self-jailbreaking during RL training