来自哈佛大学和密西根大学的最新研究揭示了现代人工智慧模型隐藏的能力，这些能力在训练早期就会出现，但在给定特定提示之前这些能力一直隐藏著。这些发现挑战了传统的人工智慧能力测量方法，暗示模型可能拥有只有在特定条件下才会显现的复杂技能。该研究强调了人工智慧开发和安全性透明度的重要性，因为标准测试可能会低估这些模型的真实潜力。通过调整训练数据的呈现方式和使用替代提示技术，研究人员能够在这些能力通过传统测试被检测到之前提取出隐藏的能力。这一发现对人工智慧评估具有重要意义，并暗示需要更先进的测试协议来充分理解和利用人工智慧模型的能力。阅读更多由人工智慧生成的新闻，请访问：https://app.chaingpt.org/news
