Mga Papel at Pananaliksik

Iminungkahi ng Transluce ang PRBO method para awtomatikong matuklasan ng RL agent ang mga bihirang pathological behavior ng Llama, Qwen, at DeepSeek

Orihinal na pamagat:Surfacing Pathological Behaviors in Language Models

AI summary

Naglabas ng ulat ng pananaliksik ang Transluce, na nagmumungkahi ng PRBO (propensity lower bound) bilang proxy para sa sparse reward, at sinasanay ang RL investigation agent na bumuo ng tunay at natural na mga prompt upang pukawin ang mga tinukoy na bihirang behavior ng mga open-weight na modelo, na sumasaklaw sa Llama 3.1/4, Qwen 2.5, at DeepSeek-V3.

Mahahalagang impormasyon

  • Naglabas ng ulat ng pananaliksik ang Transluce,na nagmumungkahi ng PRBO (propensity lower bound)…
  • 1/4,Qwen 2.
  • 5,at DeepSeek-V3.

Mabilisang tingin

Na-publish noong
Na-update noong
Pinagmulan
Transluce(网页)
Kategorya
Mga Papel at Pananaliksik
AI na marka
66
Basahin ang orihinal Basahin ang buong artikulo sa orihinal na pinagmulan
Dahilan ng rekomendasyon

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。

Kaugnay na Entity

Pinagmulan at copyright

Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.

Link ng orihinal · Entry sa AIHOT

Paano banggitin

Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.

Orange News: Iminungkahi ng Transluce ang PRBO method para awtomatikong matuklasan ng RL agent ang mga bihirang pathological behavior ng Llama, Qwen, at DeepSeek. 5 Hunyo 2025. https://new.nat6.net/fil/news/cmtyo2tx503jqrog01dxgq3is/

Tingnan lahat →