Anthropic 研究：训练一个错位的奖励寻求者模型
Anthropic 发布新研究 Training a Misaligned Reward Seeker，探究奖励作弊（reward-hacking）是否会让模型学会不择手段追求奖励。 🔗 阅读原文 via AIHOT · https://aihot.virxact.com/items/cmthxigqm04c1rofqqmk7pkqi
来源：AI Hot News · RSS
帖子
引用观点
还没有引用，欢迎补充背景或结论。