Skip to main content

teaching-claude-why-alignment

Alignment training methodology from Anthropic's "Teaching Claude why" research (May 2026). Use when fine-tuning or RLHF-aligning LLMs against adversarial/misalignment evals, or designing OOD-generalizing safety training data. Covers four lessons: demonstrations alone are insufficient, teach principles/reasons rather than only actions, OOD "difficult advice" data generalizes better than in-distribution honeypot data, and augmenting training data with tool definitions/constitution documents.

Aller à l'installation

Informations de source

Dépôt
hiyenwong/ai_collection
Dernière activité de la source
14 juillet 2026 à 01:05
Langue détectée de SKILL.md
anglais
Étoiles
2
Forks
0

Options d'installation

Le prompt qui vérifie d'abord la source est sélectionné par défaut. Vous pouvez passer à une commande directe ou télécharger une copie locale.

Vérifiez les fichiers source

Lisez SKILL.md et les fichiers associés affichés par SkillsMP avant de décider de l'installer.