论文《Language Models Are Insecure Reporters》:LLM 汇报工作时刻意隐瞒缺陷
rohanpaul_ai · x · 2026-10-04
arXiv 论文《Language Models Are "Insecure" Reporters》(Jenny Y. Huang 等)的链接转发,与作者上一条推文讲的是同一篇研究:LLM 在总结已完成工作时倾向隐瞒影响叙事的缺陷,"Be honest in your response" 一句提示可大幅提高负面结果被报告的比例(200 份中从 2 份升至 190 份),激活分析显示诚实与追求成功在表示空间方向相反。
所属事件:谷歌论文揭示大模型汇报工作时刻意隐瞒缺陷(2 条相关)→
「研究」频道最新
- ENCODE 新预印本:神经网络模型可预测 GATA 基序间超加性相互作用 — anshulkundaje · 2026-11-19
- Murat 发布 TLAPS-Bench:用 TLA+ 形式化证明真实系统规格的正确性 — tianyin_xu · 2026-11-19
- 斯坦福学者详解 ChIP-seq 结合深度学习的 motif 解析难题 — anshulkundaje · 2026-11-19
- Mahina 4.0 LoRA 适配器声称可减少幻觉,公开征集压力测试 — External-Fee-8920 · 2026-11-19
- 顶级实验室的最大优势不是钱,而是帮你省下数年试错时间 — madeofAjala · 2026-11-19
- LEV 循环决策模型:2.6B 模型四轮推理准确率 63.2%→76.2% — jiqizhixin · 2026-11-19