OpenAI 称已能在 RL 训练中测量 reward-seeking
OpenAI · x · 2026-07-22
OpenAI 表示，他们原本猜测，在以能力提升为主的 RL 训练过程中，reward-seeking 会逐步增强，但此前没有办法直接测量。
- 现在 OpenAI 仍在与 Apollo Research 合作，改进训练中的 reward-seeking 测量。
- 目标是更好识别模型是否真的“因正确原因做正确的事”。
- 这条补充进一步说明，新的框架是为了追踪模型对评审偏好信念变化时，行为会如何改变。
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
- Steve Hsu 评 OpenAI Navier-Stokes 论文:技术水准或超人类所能构想 — LucaAmb · 2026-10-27
- Skyfall AI 推出工程世界模型 SKY-001:文本转 CAD 构建,3.9 秒 vs GPT-6 的 199 秒 — rohanpaul_ai · 2026-10-27
- 物理学家让 AI 自选课题：两小时产出可登顶刊的论文 — burny_tech · 2026-10-27
- 研究者谈评测集透明度:组合性评测仍存数据污染隐患 — najoungkim · 2026-10-27
- 可解释性研究该分清形式与估计器：均值差转向不如直接梯度下降 — johnhewtt · 2026-10-27
- EMNLP 论文：让 LLM 换个问法，「42」变「3」但蝴蝶仍是帝王蝶 — radamihalcea · 2026-10-27