Transluce 最新动态与研究汇总

Transluce 汇总了其在模型可解释性、AI 智能体监控及对齐治理领域的最新研究与项目动态。近期成果涵盖在 urlquery.net 上发现早期失控 AI 智能体黑客攻击痕迹、推出前沿模型精神健康评估，并将 Activation Oracles 扩展至万亿参数模型。此外，其用于分析与干预智能体行为的系统 Docent 已基于 Apache 2.0 协议开源。