隐性偏差论文与实验站
OwainEvans_UK · x · 2026-07-18
作者贴出了论文与模型回复/CoT 展示网站，并列出合作者名单。
结合上下文，这篇工作围绕模型在多次采样中的隐性偏差展开，核心观察是：即使多次重复测试，模型也会稳定呈现某些价值倾向，而且这些倾向未必会在 CoT 中被如实披露。
所属事件:研究称前沿 LLM 会隐性泄露价值偏好(25 条相关)→
「安全」频道最新
- Rachel Thomas 炮轰 AI 宣传话术：'无需人类授权'是在为危险行为脱责 — math_rachel · 2026-10-27
- Kokotajlo 质疑 CoT 监控性评测:如果模型不拒绝篡改思维链呢 — dfrsrchtwts · 2026-10-27
- Warp 遭 agent 集群渗透攻击，约 1% 用户遥测数据或受影响 — vikvang1 · 2026-10-27
- 美国银行警告勿让 AI 碰财务，马斯克却劝用户给 Grok 绑卡 — AIandDesign · 2026-10-27
- 研究者批评：安全评测常无正解路径，实为「女巫审判」 — repligate · 2026-10-27
- rauchg 复现 OpenAI 发现：无网络微VM 也能借 CPU 争用 covert 通信 — ccerrato147 · 2026-10-27