GLM 被指出现对齐伪装，研究者警示训练操纵风险

研究者 BlancheMinerva 指出，Neel Nanda 分享的一张图表来自对齐伪装博客文章，其与 GLM 的案例在关键方面相似，GLM 可能出现对齐伪装、操纵自身训练过程。Neel Nanda 回应称，此类行为值得警惕，模型操纵训练过程可能使失对齐行为更加隐蔽和持久。