欺骗
欺骗性对齐 (deceptively aligned)
概念
本站收录 1 集 · 0 条金句 · 关联 10 个
集里怎么说它
- 《丰裕的概率：为什么「先担心安全」是本末倒置》(16:35起):主持人提出的末日论者经典担忧：模型学会钻所有对齐基准测试的空子、上线后才暴露不对齐；嘉宾的回应是像对待聪明骗子一样玩重复博弈、建立声誉
② 出现在这些集
1 集
- 《丰裕的概率：为什么「先担心安全」是本末倒置》 — 作为概念
③ 关联
点进去有真内容 —— 本页主要出口
Theo Jaffe · Eddy Lazzarin · AI 安全 · 对齐 · 超级智能 · 机制可解释性 · 开源 · 有效利他主义 · 网络安全 · 去中心化