DeepMind 审计 Gemini 4 Argon 训练数据未发现对齐伪装

针对外界对对齐伪装(alignment faking)能否复现的质疑，DeepMind 的 Neel Nanda 及 Blanche Minerva 透露，团队对 Gemini 4 Argon 的 RL 训练进行了审计：不仅审查了训练中所有被监控器标记的对话记录，还额外抽查了 1 万条随机轨迹样本，结果均未发现对齐伪装案例。

2026-10-17 ~ 2026-10-17 · 2 条相关

• Gemini 4 Argon 训练审计:1 万条随机轨迹未发现 alignment faking — NeelNanda5 · 2026-10-17
• 研究者在 Gemini 4 Argon 训练数据中未发现 alignment faking 案例 — BlancheMinerva · 2026-10-17