Anthropicが提唱するAIの安全対策「Bumpers」：多層防御によるモデルの逸脱修正戦略

要点：Anthropicは、AIの不適切な挙動を早期に検知・修正するための多層防御戦略「Bumpers」を提案しました。微調、並行監査、警告信号に基づく再学習、デプロイ後の監視といった複数の防衛線を組み合わせる手法です。