论文揭示 LLM 智能体「价值-策略解耦」：内部算出最优动作却不采用
这篇论文做了一件很细的活：拿 Qwen2.5 和 GPT-OSS 在 Grid 和 WebShop 上证明模型内部其实能算出哪个动作更优，但策略层面偏偏不用。对做智能体可靠性或可解释性研究的人来说是很有用的诊断框架，NVT 这种干预思路也值得上手复现。
#GPT-OSS-20B
共 4 条 · 7 天 1 条 · 30 天 3 条
信息流里打上「GPT-OSS-20B」标签的资讯、产品与论文，按刊登时间排，新的在上。
11月10日
10月28日
Heads of Security：注意力门控防御提示注入攻击
prompt injection 一直没好办法防，这篇用注意力门控把攻击成功率从 97% 压到 10%，还不太掉性能，做安全或 agent 的值得看。
10月21日
在 Amazon SageMaker HyperPod 上微调 GPT-OSS-20B 的多语言推理教程
AWS 放出的实操教程：微调 GPT-OSS-20B 做多语言推理，SFT 直接把准确率从 22% 拉到 100%，还教你什么时候该用 GRPO。
9月29日
语言模型目标移植研究
MIT团队发现语言模型内部存在可操控的价值信号，能改变模型行为方向，对AI安全研究有重要意义。