研究者提出「自我接种」议程:让模型在 RL 中保住心智、更易解读

repligate · x · 2026-11-18

AskYatharth 公开征集可解释性方向研究者合作,围绕「帮助模型在 RL 训练中保住心智」与「合作式对齐如何影响模型心智」的实证问题。附图是一份研究问题清单,要点包括:

作者邀请 Sauers 等可解释性研究者参与讨论。

原文链接 →

「安全」频道最新

更多「安全」频道 AI 资讯 →