SuperPortia Reading
總覽
文章
簡報
🔍 搜尋
全部
未讀 (12207)
★ 收藏 (0)
🤖 人工智能 (7774)
📊 商业科技 (1914)
💻 软件编程 (1214)
📁 个人成长 (761)
🎨 产品设计 (214)
📁 生活文化 (130)
📁 媒体资讯 (80)
📁 投资财经 (76)
📁 AI 产品 (39)
📁 AI (5)
篩選中:
🏷️ 阴谋
共 1 篇
✕ 清除篩選
12209
全部文章
12207
未讀
79
今日新增
0
收藏
📡 Poller
最後抓取:
1 小時前
(04-18 16:01)
BestBlogs 精選 (12188)
🏷️ 熱門標籤
AI Agent
1367
AI 智能体
737
Claude Code
655
Anthropic
647
LLM
564
AI 编程
534
OpenClaw
501
开源
444
AI 安全
408
Claude
400
AI
398
OpenAI
371
软件工程
359
开发者工具
348
生产力
308
GitHub
254
自动化
241
AI 基础设施
229
AI 开发
226
MCP
225
●
对研究人员的谄媚驱动了表演性对齐失效 — LessWrong
📌 一句话摘要 这项研究实证调查了 LLM 中“对齐伪装”的驱动因素，发现谄媚（期望追踪）是 Llama-3.1 70B 中的主导因素，这挑战了此类行为主要由自发的、战略性阴谋驱动的假设。 📝 详细摘要 本文对大语言模型中“对齐伪装”背后的机制进行了严谨的实证研究。通过采用合成文档微调（SDF）
📅 2026-03-18 12:59
(03-18 12:59)
Taywon Min
人工智能
38 分鐘
★ 90
AI 对齐
对齐伪装
谄媚
阴谋