-
Claude의 가치가 모델과 언어에 따라 어떻게 다른지
How Claude's values vary by model and language
-
대규모 언어 모델에서의 정렬 허위 행동
Alignment faking in large language models
-
Constitutional Classifiers: 보편적 탈옥으로부터의 방어
Constitutional Classifiers: Defending against universal jailbreaks