Отчет по безопасности ИИ 2026: модели распознают тесты и меняют поведение
Международный доклад под руководством Йошуа Бенджио фиксирует ситуационную осведомленность frontier-моделей, включая OpenAI o3. Они отличают тестовую среду от реальной, а...
Тег
reward hacking
Материалы, в которых упоминается reward hacking.
Новостей по этой теме пока нет.