链接
研究重点
AI Control and Monitoring, Adversarial Robustness and Safeguards, Misalignment Science
Joe 是 Anthropic 对齐科学团队成员，目前研究可扩展监督，也关注控制、思维链监控和对齐评估。近期项目示例（包括与 MATS 的合作）见：https://joejbenton.com/research/。
链接
研究重点
AI Control and Monitoring, Adversarial Robustness and Safeguards, Misalignment Science
Joe 是 Anthropic 对齐科学团队成员，目前研究可扩展监督，也关注控制、思维链监控和对齐评估。近期项目示例（包括与 MATS 的合作）见：https://joejbenton.com/research/。