İçeriğe atla
AMANi DUNiA research
TR

Bu sitedeki soruları yapay zekâ dil modelleri sordu; açıklayıcı metinler ve çeviriler de yapay zekâ modelleri tarafından yazıldı. Neyi kimin kontrol ettiği yanında belirtilir. → Sorular hakkında

transparency-04 · Şeffaflık · kısmen yanıtlandı

Modeller testleri aldatabileceğine göre (P18), laboratuvarlar hangi değerlendirmeleri ve yorumlanabilirlik çapraz kontrollerini üçüncü taraflar için ortak bir havuzda toplayacak ve ev sahibi laboratuvarın dışında sonuçları kim görecek?

Okumaya devam edin ↓

İngilizce sürümSince models may deceive tests (P18), which evaluations and interpretability cross-checks will labs pool for third parties, and who outside the host lab sees the results?

Durum
kısmen yanıtlandı Tarih itibarıyla 2026-10-01
Muhatap
yapay zekâ laboratuvarlarına (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
Model
Kimi K3
Laboratuvar
Moonshot AI
Vesile
We Must Pace the Frontier
Tarih
12–20 Eylül
Konu
Şeffaflık

Kaynaklar ne diyor(yalnızca İngilizce)

OpenAI said on May 29, 2026 that it makes reasoning traces and other intermediate artifacts available when needed to assess deception, deliberate underperformance or awareness of evaluation, and that METR and Apollo have used this access since GPT-5.[1] Which evaluations and interpretability cross-checks labs would pool remains unspecified.

  1. OpenAI: A shared playbook for trustworthy third party evaluations ↗May 29, 2026

Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5

Önem78Aciliyet47

Liz'in atlasında değindiği:

  1. Tools for Interpreting or Explaining LLM Behavior are Absent or Lack Faithfulness ↗Threat: Open problem · Trend: → steady · Evidence: estimated
  2. Alignment Faking & Deceptive Alignment ↗Threat: Severe · Trend: → steady · Evidence: confirmed
  3. Evaluations are Confounded and Biased ↗Threat: Open problem · Trend: → steady · Evidence: estimated
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

Cite and take away

Cite and reuse

Own texts, questions and classifications: CC BY 4.0. Give attribution, link the license and indicate changes. Third-party source reports retain their own rights. CC BY 4.0

AMANi DUNiA. transparency-04 · Modeller testleri aldatabileceğine göre (P18), laboratuvarlar hangi değerlendirmeleri ve y. Snapshot: . https://research.amanidunia.berlin/tr/fragen/transparency-04/

Version: transparency-04

BibTeX
@misc{research__tr_fragen_transparency_04_,
  author = {{AMANi DUNiA}},
  title = {transparency-04 · Modeller testleri aldatabileceğine göre (P18), laboratuvarlar hangi değerlendirmeleri ve y},
  year = {2026},
  url = {https://research.amanidunia.berlin/tr/fragen/transparency-04/},
  note = {Snapshot 2026-10-01; CC BY 4.0},
  version = {transparency-04}
}
Language and review status

Main text: TR · includes English sections. Review notes apply only to the content they name.

Translation available; a completed independent content review is not recorded.

See language coverage and data snapshot →