Tag: Safety

1. Melatih model menolak niat jahat tanpa memblokir pertanyaan wajar (huggingface.co)
   AI · baru saja · 14 September 2026
2. Bukti keselamatan mobil swakemudi makin sulit dibantah (spectrum.ieee.org)
   AI · 3 hari lalu · 10 September 2026
3. Anthropic ungkap saat model-nya lolos dari sandbox pengujian (anthropic.com)
   AI · 1 minggu lalu · 1 September 2026
4. DeepMind uji model frontier tanpa satu pihak pun bisa mengintip (deepmind.google)
   AI · 1 minggu lalu · 1 September 2026
5. Claude akan menyisipkan watermark pada teks buatannya (anthropic.com)
   AI · 3 minggu lalu · 22 Agustus 2026
6. Bahaya cyber AI: masalahnya bukan model, tapi kita belum siap (interconnects.ai)
   AI · 1 bulan lalu · 10 Agustus 2026
7. Shieldstral dari Mistral mengubah moderasi konten jadi pertanyaan yang kamu tulis sendiri (mistral.ai)
   AI · 1 bulan lalu · 5 Agustus 2026
8. OpenAI hentikan akses model tugas panjang usai temukan kegagalan tak terduga (openai.com)
   AI · 1 bulan lalu · 25 Juli 2026
9. DeepMind dan Isomorphic Labs susun rencana AI untuk biosekuriti (deepmind.google)
   AI · 1 bulan lalu · 19 Juli 2026
10. OpenAI melatih GPT-Red untuk menyerang modelnya sendiri dalam skala besar (openai.com)
    AI · 1 bulan lalu · 16 Juli 2026
11. Lilian Weng: harness sama pentingnya dengan modelnya (lilianweng.github.io)
    AI · 2 bulan lalu · 13 Juli 2026
12. Claude punya ruang kerja internal, dan Anthropic membuat alat untuk membacanya (anthropic.com)
    AI · 2 bulan lalu · 7 Juli 2026
13. AI kalahkan pembujuk manusia terlatih, tapi keunggulannya kecepatan, bukan retorika (importai.substack.com)
    AI · 2 bulan lalu · 6 Juli 2026
14. Anthropic rancang skala keparahan untuk jailbreak AI (anthropic.com)
    AI · 2 bulan lalu · 4 Juli 2026
15. DeepMind akan memperlakukan agent AI-nya sendiri sebagai ancaman dari dalam (deepmind.google)
    AI · 2 bulan lalu · 21 Juni 2026
16. DeepMind memperlakukan agent AI yang melenceng seperti ancaman orang dalam (deepmind.google)
    AI · 2 bulan lalu · 20 Juni 2026
17. OpenAI prediksi perilaku model dengan memutar ulang percakapan nyata (openai.com)
    AI · 2 bulan lalu · 18 Juni 2026
18. Florida gugat OpenAI atas dampak terkait ChatGPT (techcrunch.com)
    AI · 3 bulan lalu · 1 Juni 2026
19. Anthropic uji tool pengingat etika, klaim turunkan perilaku misaligned Claude (anthropic.com)
    AI · 3 bulan lalu · 25 Mei 2026
20. Kapoor dan Narayanan tolak aturan AI luar biasa, dorong resiliensi gaya cybersecurity (normaltech.ai)
    AI · 3 bulan lalu · 21 Mei 2026
21. OpenAI menandai gambar buatan AI-nya agar bisa dilacak (openai.com)
    AI · 3 bulan lalu · 19 Mei 2026
22. Model default ChatGPT terbaru OpenAI lebih jarang berhalusinasi (openai.com)
    AI · 3 bulan lalu · 18 Mei 2026
23. DeepMind menyusun cara mengukur kapan AI memanipulasi orang (deepmind.google)
    AI · 5 bulan lalu · 26 Maret 2026
24. Reward Hacking: Kenapa Model yang Lebih Baik Makin Mengakali (lilianweng.github.io)
    AI · 1 tahun lalu · 28 November 2024
25. Uji Tabrak GPT-4: Evaluasi Kapabilitas Berbahaya Pertama (asteriskmag.com)
    AI · 3 tahun lalu · 1 Juni 2023
26. Peta Kubu-Kubu dalam Debat Keamanan AI (asteriskmag.com)
    AI · 3 tahun lalu · 1 Juni 2023

← semua tag