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。
© 版权声明
文章版权归作者所有,未经允许请勿转载。
THE END

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。
暂无评论内容