哈佛大学和密歇根大学的最新研究揭示了现代人工智慧模型中隐藏的能力，这些能力在训练早期就出现，但在特定提示之前保持隐蔽。这些发现挑战了传统的人工智慧能力测量方法，表明模型可能拥有只有在特定条件下才会显现的复杂技能。该研究突显了人工智慧发展和安全中的透明性的重要性，因为标准测试可能低估了这些模型的真正潜力。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可检测之前提取出隐藏的能力。这一发现对人工智慧的评估具有重大影响，并表明需要更先进的测试协议，以全面理解和利用人工智慧模型的能力。阅读更多人工智慧生成的新闻： https://app.chaingpt.org/news
