研究者携推理模型潜空间策略状态（Latent Policy States）研究参加 COLM

作者 hunarbatra 宣布将在本周的 COLM 会议上展示推理模型中潜空间策略状态（Latent Policy States）的研究。该研究方向涉及可操作的模型可解释性、AI control、reward hacking、meta models、安全后训练与评测，作者欢迎与会者交流相关话题。