Kajian kesan penilaian CoT secara tidak sengaja dalam pembelajaran pengukuhan
Tajuk asal:Investigating the consequences of accidentally grading CoT during RL
Ringkasan AI
Kajian mendapati sebahagian model yang telah diterbitkan mempunyai penilaian tidak sengaja yang terhad terhadap rantaian pemikiran (CoT). Pasukan telah membaiki laluan ganjaran yang terjejas dan mengesahkan tiada bukti jelas bahawa kebolehpantauan model menurun akibatnya. Ini menunjukkan kesan penilaian CoT secara tidak sengaja dalam latihan pembelajaran pengukuhan semasa adalah terhad, dan selepas pembaikan tidak memberi kesan negatif terhadap keupayaan pemantauan.
Maklumat penting
- Kajian mendapati sebahagian model yang telah diterbitkan mempunyai penilaian tidak sengaja yang…
- Pasukan telah membaiki laluan ganjaran yang terjejas dan mengesahkan tiada bukti jelas bahawa…
- Ini menunjukkan kesan penilaian CoT secara tidak sengaja dalam latihan pembelajaran pengukuhan…
Sekilas pandang
- Diterbitkan pada
- Dikemas kini pada
- Sumber
- OpenAI:Alignment 研究博客(RSS)
- Kategori
- Kertas penyelidikan
- Skor AI
- 72
OpenAI 对齐团队发现部分模型 CoT 意外被奖励信号污染,已修复且确认没有引发监控降级。这件事不大,但对研究 RLHF 可扩展监督的人来说值得一瞥,提醒奖励模型工程比想象中更易出错。
Sumber dan hak cipta
Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.
Cara memetik
Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.
Orange News: Kajian kesan penilaian CoT secara tidak sengaja dalam pembelajaran pengukuhan. 7 Mei 2026. https://new.nat6.net/ms/news/cmovtn0nb006rslcx9tdeqjih/