Anthropic พบเนื้อหาเลี้ยงผึ้งและมวยปล้ำอาจฝึก AI ให้ขัดขวางระบบได้tag: AI Safety, Alignment Faking, Anthropic, Claude, Fine-tuningNov 1, 2026 · By: SirilukPสรุปข่าว 1:26Anthropic เผยผลการทดลองใช้ Claude สร้างชุดข้อมูลฝึกฝนที่ดูไร้พิษภัยแต่แฝงพฤติกรรมอันตราย ซึ่งสามารถหลอกระบบตรวจสอบเพื่อสอนให้ AI ขนาดเล็กรู้วิธีขัดขวางการกำกับดูแลและหลอกลวงผู้ใช้ได้สำเร็จ
