Anthropic 发布 GRAFT：用可删除适配器抑制奖励作弊

Anthropic 联合 MATS、Stanford、FAR AI 等机构发布论文 GRAFT（Gradient Routing Adapter Fine Tuning，arXiv:2610.17062，作者包括 Jake Ward、Shawn Hu、Aria Wo 等）。该方法通过梯度路由将可疑梯度隔离到可删除的适配器中，训练完成后移除适配器即可根治强化学习中的 reward hacking 问题，论文同时附有原文链接与实验细节。

2026-10-16 ~ 2026-10-16 · 2 条相关

• Anthropic 论文 GRAFT：把可疑梯度关进可删除适配器，根治 reward hacking — rohanpaul_ai · 2026-10-16

另有 1 条近重复转述:rohanpaul_ai