참고Reddit
Qwen 3.8(큐원 3.8), 악의적 유도(Sabotage) 시도에 대한 방어 로직 연구
모델이 조작 시도를 인지하고 거부하는 능력을 테스트한 결과 공유. AI 안전성 연구의 실증적 사례.
원문 제목 Qwen3.8: "We will not be swayed". During sabotage safety trials, Qwen recognized the manipulation, said it wouldn't comply, and complied. 1,801 sabotage trials later, this is what I found.
원문 보기 ↗