Post

2/ A savoir, ô surprise, le comportement des LLMs découle des exemples donnés dans leurs datasets, naturellement pleins d'histoires d'IAs qui montrent cette tendance, qu'ils viennent de la pop culture, des doomers ou d'autres inquiets de la sureté de l'IA comme... les chercheurs d'Anthropic.

11/5/26, 8:05 am0 reposts1 like

anthropic.comTeaching Claude whyNew research on how we've reduced agentic misalignment

3/ Après c'est un peu plus subtil que "ils suivent les procédures données en exemple", selon cette recherche c'est plus ils modèlent leur persona (d'IA pouvant être malfaisante) à partir des exemples qui leur sont donnés. www.anthropic.com/research/tea...

4/ En gros ce qu'ils appellent "agentic misalignement" est plus proche de ce qu'OpenAI qualifie de "mésalignement émergent" (qui en fait n'a rien d'émergent vu que les LLMs se comportent comme ça depuis toujours) que d'un simple mésalignement fonctionnel au cas par cas. bsky.app/profile/anca...

Antoine C.@ancadweb.com

Comme le dit Eryk Salvaggio il y a peu de raisons de s'inquiéter de cette découverte en matière de mésalignement, du fait que l'expérience fait tout pour provoquer un comportement au final pas si surprenant Par contre je trouve qu'elle montre des choses positivement assez intéressantes sur les LLMs.

5/ Et, selon Anthropic, pour résoudre le problème, il faudrait non seulement donner de meilleurs exemples aux LLMs mais qu'ils soient accompagnés de justifications de la persona d'IA éthique qu'on veut favoriser.