新Anthropic Fellows研究：模型规范中期训练（MSM）。 标准的对齐方法通过期望行为的示例来训练AI。但这可能无法泛化到新情境。 MSM通过首先教…

新Anthropic Fellows研究：模型规范中期训练（MSM）。 标准的对齐方法通过期望行为的示例来训练AI。但这可能无法泛化到新情境。 MSM通过首先教导AI我们希望它们如何泛化以及原因，来解决这一问题。