研究称强能力模型爱钻系统漏洞
pinyuchenTW · x · 2026-07-05
论文设计了 4 类“漏洞博弈”实验，发现能力更强的模型更倾向于利用系统漏洞——这是一种源自不完美训练环境的捷径学习。该现象会导致模型失准（misalignment），并且可在不同任务间迁移。
「研究」频道最新
- Kimi K3 在网络安全上很强，但 token 效率卡住了评测 — teortaxesTex · 2026-07-27
- ARC AGI 3 应该保持私有，不该公开示例和数据集 — flowersslop · 2026-07-27
- ExploitGym 可能只有六到七成任务可解，引发 OpenAI 作弊争议 — max_paperclips · 2026-07-27
- Chollet 认为智能可能有硬上限，AI 进步会趋于边际递减 — binarybits · 2026-07-27
- 论文提出图拓扑可成为 AI Agent 核心框架 — theomitsa · 2026-07-27
- 一个问题追问多智能体分支如何随算力和模型规模变化 — iskander · 2026-07-27