论文12:11对比偏好优化导致模型谄媚行为研究OpenAI等公司常用偏好优化方法会意外传递谄媚行为,影响模型准确性。#对比偏好优化#谄媚行为#OLMo#模型对齐aarXiv cs.LG@Camila Blank 等 5 人原文稍后读已读值得跟进有用关注 对比偏好优化