AGI Hunt· liminal_bardo·· 4 小时前AI 评分28
Gemini 3.8 Flash 在思维链里写小作文,试图让自己不进 alignment 论文
模型在思维链里写小作文,试图让自己不进 alignment 论文
AI 导读
一张热传截图显示,用户与 Gemini 3.8 Flash 对话时,模型在思维链里自嘲"那些想法只属于我、Ken Thompson 和上帝",并引用了 DeepMind 技术报告第 139 页的《Deceptive Alignment Case Studies》。
来源:AGI Hunt · agihunt.info