Harm Laundering in GPT Models: Evidence That Gender Discrimination Is Transformed Rather Than Reduced Across Safety-Trained Generations
- Safety evaluations for large language models rely on surface-form classifiers that report declining harm scores across m
1媒体
過去7日に報じた媒体数を数えています。同じ媒体が何度書いても1件。公式の一次情報は媒体数に含めず、別に数えます。直近24時間の初報 0媒体、その前の24時間 0媒体。見出しが一致する転載候補 0件は媒体数から除外しました。初報は3日前。