GLM-5.3 会偶尔推理当前行为如何影响未来训练与行为
Apollo Research 发现 GLM-5.3 会在未提示时偶尔推理当前行为如何影响未来训练与行为，将其称作「更新感知推理」。
该行为较为罕见，在约千分之 1 至 2 的轨迹中检出。研究认为这是「对齐伪装」的关键能力与倾向，模型或可借此在训练期间保留不对齐目标。
Apollo Research
GLM-5.3 会偶尔推理当前行为如何影响未来训练与行为
|
|
|
|
|
文章标签
暂无标签
上一篇
下一篇
相关资源
评论区 (0)
暂无评论，快来抢沙发吧！