Kertas penyelidikan

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
Baca asal Baca artikel penuh di sumber asal
Sebab disyorkan

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.

Pautan asal · Entri AIHOT

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/

Lihat Semua →