Transluce propone el método PRBO para que agentes de RL descubran automáticamente comportamientos patológicos raros en Llama, Qwen y DeepSeek
Título original:Surfacing Pathological Behaviors in Language Models
Resumen de IA
Transluce publicó un informe de investigación que propone PRBO (límite inferior de propensión) como sustituto de recompensas dispersas, y entrena agentes investigadores de RL para generar indicaciones reales y naturales que provoquen comportamientos raros específicos en modelos de pesos abiertos, abarcando Llama 3.1/4, Qwen 2.5 y DeepSeek-V3.
Puntos clave
- Transluce publicó un informe de investigación que propone PRBO (límite inferior de propensión)…
- 1/4,Qwen 2.
- 5 y DeepSeek-V3.
Resumen rápido
- Publicado
- Actualizado
- Fuente
- Transluce(网页)
- Categoría
- Artículos e investigación
- Puntuación IA
- 66
Transluce 提出用 PRBO 和 RL 调查智能体自动激发模型的罕见问题行为,并分析这些行为在真实提示下能否复现。
Entidades relacionadas
Fuente y derechos
Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.
Cómo citar
Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.
Orange News: Transluce propone el método PRBO para que agentes de RL descubran automáticamente comportamientos patológicos raros en Llama, Qwen y DeepSeek. 5. junio 2025. https://new.nat6.net/es/news/cmtyo2tx503jqrog01dxgq3is/