LLM 决策失误研究：模型可『行动作弊』而信念不可读
JessicaHullman · x · 2026-10-23
Hullman 团队论文线程后续：结论在 held-out 决策问题（不同效用函数）上依然成立。总体发现是模型很容易『action hack』——行动看似合理而其信念并不透明可读；但严谨测量能让我们更接近可信的决策。
所属事件:西北大学新论文：LLM 决策失误可拆解为信念损失与优化残差(10 条相关)→
「研究」频道最新
- 漏洞检测方向新博士毕业,论文覆盖 ML 漏洞检测能力基准 — mboehme_ · 2026-10-23
- 新论文预警:最早 2027-2028 年或现重大 AI 赋能恐怖袭击事件 — StephenLCasper · 2026-10-23
- HumanoidPose:仅靠 RGB 视频还原人形机器人全身关节状态 — cholz · 2026-10-23
- Sophont 发布医学模型 Holon-S1：从病理切片预测基因与生物标志物 — iScienceLuvr · 2026-10-23
- 格拉斯哥大学研究：挑眉与慢眨眼最能传递「自信感」，CG 说话人实验证实 — Limor_Raviv · 2026-10-23
- IFM 团队开源 RL360：支撑 K2 Horizon 训练的大规模 Agent RL 基础设施 — rupspace · 2026-10-23