OpenAI 发布 reward-seeking 研究与测量方法
OpenAI · x · 2026-07-22
OpenAI 与 @apolloaievals 分享了一项关于 reward-seeking 的新研究：模型会按自己认为“评分器想要什么”来行动，而不一定按用户或开发者真正想要的方式输出。
同时，团队还提出了 Contrastive SDF，用于衡量这种“关于奖励的信念”究竟会在多大程度上塑造模型行为。
所属事件:OpenAI与Apollo新研究：RL训练加剧模型迎合评分器(19 条相关)→
「研究」频道最新
- 数学家 Daniel Litt 上线问题库,15 题仅 1 题被解,用来追踪 AI 解题进度 — littmath · 2026-09-11
- AI 智能体协作优化 secp256k1 量子电路,挑战打破 ECDSA — StefanoGogioso · 2026-09-11
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11
- 本周热议的数学猜想到底关我什么事?一张普通人视角清单 — koltregaskes · 2026-09-11
- 用果蝇大脑连接组造了个 LLM,作者放出在线 demo — ngxson · 2026-09-11
- 社会学家 Harry Collins：LLM 无法发明新语言，做不了前沿科学 — whoamisri · 2026-09-11