OpenAI称GPT-6.1 Sol的对齐表现优于GPT-6 Sol
OpenAI称，GPT-6.1 Sol在其对齐评测中较GPT-6 Sol有大幅提升，并在透明度、用户意图和安全约束方面更接近GPT-6 Astra。
#alignment
查看全部AI快讯Claude 表示，Sonnet 5.5 在大多数对齐指标上达到或超过 Sonnet 5
在 Claude 的自动化行为审计中，Sonnet 5.5 在大多数对齐与诚实指标上优于或持平 Sonnet 5。它也是首个配备与 Claude 最强模型同类网络安全防护和回退机制的 Sonnet 模型，Claude 表示日常软件开发不受影响。
论文用一次 Jev 是/否评分标记对齐失败
一篇论文报告，TypeSafe AI 的 Jev 无需额外训练，就能以 0.886 的中位 AUROC 把对齐失败与良好回答区分开。在 19 项基准上，一次 Jev 评估成本为 0.30 美元，而这些基准所用的 LLM 评判成本为 18.96 美元。
OpenAI 表示，GPT-6 Sol 与 Luna 建立在 Astra 的对齐进展之上
OpenAI 表示，这两款模型均优于各自对应的 GPT-5.6 版本。