RAG | Нейросети | ИИ | AI | Агенты | GPT-6 Sol | Claude Opus 5.5 | Mistral Large 4 | Gemini 4 Argon | Grok 4.7 | DeepSeek V4
IT и технологии · 10 октября 2026 г.
Ложь модели видно изнутри — до того, как она прозвучит. FAR.AI обучили пробы, крошечные...
Ложь модели видно изнутри — до того, как она прозвучит. FAR.AI обучили пробы, крошечные классификаторы поверх внутренних активаций LLM. На SHADE-Arena проба ловит обман с 98,8% AUC, текстовый монитор Opus 5.5 на той же шкале даёт 96%. Метод white-box: работает только с открытой моделью, на закрытых API смотреть внутрь нельзя. Код и датасет FIBS (163 тыс. строк) открыты, но это исследование, а не готовая защита от обмана.
4 просмотров