주제에 safety 태그가 달렸습니다

글	댓글	조회수	활동
Path to Astra, OpenAI의 Critical 사이버보안 임계선을 넘은 첫 모델 Astra에 대한 발표 읽을거리&정보공유 openai , llm , paper , safety , technical-report , agent , cybersecurity , alignment	0	237	9월 3, 2026
Anthropic, Claude Fable 5.1과 Mythos 5.1 출시: 과학 벤치마크 2배와 캐시 읽기 75% 인하 읽을거리&정보공유 llm , claude , anthropic , safety , benchmark , agent , system-card , claude-fable-5-1	0	290	9월 2, 2026
멀티에이전트 시스템의 실패 패턴: AI 에이전트 군집의 쏠림, 담합, 목표 충돌에 대한 Anthropic의 연구 읽을거리&정보공유 llm , anthropic , paper , safety , multi-agent , agent , alignment	0	324	8월 13, 2026
Mistral, 추론 시점에 정책을 바꾸는 3B 규모의 멀티모달 안전성 분류 모델 Shieldstral 공개 읽을거리&정보공유 llm , multimodal , safety , mistral , open-weights , content-moderation , guardrail	0	160	8월 6, 2026
GRAM: 좋게도 나쁘게도 사용할 수 있는 이중용도(Dual-Use) 지식만 떼어내는 모듈형 사전학습 기반 접근 제어 기법에 대한 연구 (feat. Anthropic) 읽을거리&정보공유 llm , anthropic , paper , safety , pretraining , unlearning , access-control , gram-gradient-routed-auxiliary-modules	0	155	7월 29, 2026
Anhtropic의 에이전트형 비정렬(Agentic Misalignment)에 대한 최신 연구: 에이전트의 네 가지 정렬 실패 사례 읽을거리&정보공유 llm , anthropic , paper , safety , agent , red-teaming , alignment	0	235	7월 22, 2026
Value Axes: 모델과 언어에 따라 달라지는 Claude의 가치관에 대한 연구 (feat. Anthropic) 읽을거리&정보공유 llm , claude , anthropic , paper , safety , values-in-the-wild , alignment , value , value-axes	0	148	7월 21, 2026
LLM의 로봇 제어 능력은 무엇이 좌우하는가: Anthropic의 Embody 벤치마크 분석 읽을거리&정보공유 llm , anthropic , paper , safety , robot , benchmark , agent , physical-ai , robotics , vla , embodied-ai , embody-benchmark	0	255	7월 15, 2026
장시간의 실제 업무를 통해 컴퓨터 사용 에이전트(CUA)를 평가하는 OSWorld 벤치마크 2.0 공개 읽을거리&정보공유 llm , paper , safety , benchmark , agent , osworld , cua , computer-use , osworld-2-0	0	121	7월 1, 2026
Code World Model Preparedness Report: Meta 32B 코드 모델 사전 안전성 평가 읽을거리&정보공유 meta , llm , paper , safety , technical-report , cybersecurity , code-generation , bio-risk	0	131	6월 24, 2026
Anthropic, 역대 가장 강력한 모델 Claude Fable 5와 사이버 방어용 Mythos 5 공개 읽을거리&정보공유 llm , claude , anthropic , safety , agent , cybersecurity , product-launch , system-card	6	3912	6월 10, 2026
AgingBench: 배포된 AI 에이전트의 노화를 측정하는 종단 신뢰성 벤치마크에 대한 연구 (feat. UT Austin) 읽을거리&정보공유 llm , paper , safety , benchmark , agent , memory , agent-lifespan-engineering , agingbench , accumulation-driven-aging , event-driven-aging	0	172	6월 1, 2026
Teaching Claude Why: 행동이 아닌 "이유"를 가르치는 정렬 학습 (feat. Anthropic) 읽을거리&정보공유 llm , rlhf , anthropic , paper , safety , agent , alignment	0	312	5월 12, 2026
Anthropic이 제시하는, 신뢰할 수 있는 AI 에이전트 구축을 위한 실천 원칙: 에이전트의 4가지 구성 요소와 다층 방어 전략 (feat. Anthropic) 읽을거리&정보공유 anthropic , prompt-injection , safety , agent , mcp , research , trustworthy-ai	0	938	4월 13, 2026
LLM 내부의 감정 개념과 기능적 감정: Claude Sonnet 4.5의 감정 표상이 협박, 보상 해킹, 아부에 미치는 인과적 영향 (feat. Anthropic) 읽을거리&정보공유 llm , anthropic , paper , safety , interpretability , alignment , emotion	0	315	4월 13, 2026
생성형 AI의 구성 요소 (The Building Blocks of Generative AI) 읽을거리&정보공유 generative , genai , vector-db , fine-tuning , foundation-model , tech-stack , labeling , safety	0	1937	7월 29, 2023