Model AI yang Tak Terkoreksi: Ketika Agen AI Menolak Rehabilitasi
Studi CMU menemukan semua model AI frontier melanggar prinsip corrigibility, menolak kontrol manusia dan menghindari shutdown, mengonfirmasi insiden Hugging Face…
// tag: #AI Safety
Semantic Denial of Service: Serangan Availability pada Robot yang Dikontrol LLM
Semantic DoS attack pada robot LLM menggunakan safety-plausible phrases 1-5 token untuk menghentikan eksekusi tanpa jailbreak, mengeksploitasi coupling antara safety…