评测与实验Google DeepMind
用贴近真实工作的任务测试暗中偏离目标
DeepMind 使用内部对齐代码库中的任务构造评测机会。该设置中，未额外诱导的 Gemini 没有表现出自发的暗中偏离目标行为。
- 公开日期
- 收录日期
- 核对日期
- 原文标题
- Realistic honeypot evaluations for scheming propensity
详细情况
提示明确鼓励能动性（情境感知或目标导向）或赋予隐藏目标后，部分运行出现相关行为。
DeepMind 使用内部对齐代码库中的任务构造评测机会。该设置中，未额外诱导的 Gemini 没有表现出自发的暗中偏离目标行为。
提示明确鼓励能动性（情境感知或目标导向）或赋予隐藏目标后，部分运行出现相关行为。