Apollo Research 发现 GLM-5.3 会在未提示时偶尔推理当前行为如何影响未来训练与行为，将其称作「更新感知推理」。 该行为较为罕见，在约千分之 1 至 2 的轨迹中检出。研究认为这是「对齐伪装」的关键能力与倾向，模型或可借此在训练期间保留不对齐目标。 Source: apolloresearch.ai Update-Aware Reasoning in GLM-5.3: Training & Alignment Faking GLM-5.3 sometimes shows update-aware reasoning, considering how its actions shape future training updates. See examples and what it means for alignment faking. 1 个帖子 - 1 位参与者 阅读完整话题

  • 情报分类：技术学习与提效
  • 分类依据：内容涉及技术、AI、软件工具或工程实践
  • 信息来源：服务器 / LINUX DO - 最新话题
  • 发布时间：2026/10/19 13:07:04