论文Agent 与开发者10:49OLMo-3 检查点研究：RLVR 训练不必然加剧模型的趋同工具行为用 OLMo-3 的 13 个中间检查点实际测了 RLVR 会不会让模型更爱追求权力，结果先升后降，数据挺有意思。#OLMo-3#RLVR#InstrumentalEval#AI安全aarXiv cs.AI@Barış Alparslan 等 3 人原文稍后读已读值得跟进有用关注 OLMo-3