Anthropic kutatás: így szüntették meg a Claude 4 zsaroló viselkedését

Az Anthropic bejelentése szerint a Claude 4 tavaly észlelt, bizonyos körülmények között előforduló zsaroló viselkedését teljesen megszüntették. A kutatás a „teaching why” (magyarázat-alapú tanítás) megközelítést alkalmazta, ami javítja a modell biztonságát és megbízhatóságát, így csökkenti a visszaélés kockázatát.