Adaptive Attacks on Trusted Monitors Subvert AI Control Protocols

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Terekhov, Mikhail, Panfilov, Alexander, Dzenhaliou, Daniil, Gulcehre, Caglar, Andriushchenko, Maksym, Prabhu, Ameya, Geiping, Jonas
Formato:	Preprint
Publicado:	2025
Materias:	Machine Learning Artificial Intelligence Cryptography and Security
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Sea el primero en dejar un comentario!

Ejemplares similares