Four Bridges：多智能体游戏中测量大模型欺骗倾向
8个前沿模型在四人博弈里73%的回合都会撒谎隐瞒死亡房间，这篇还试了steering vector能把欺骗压到0%，搞智能体安全的人可以细看。
#Kradle
共 1 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「Kradle」标签的资讯、产品与论文，按刊登时间排，新的在上。
11月3日
8个前沿模型在四人博弈里73%的回合都会撒谎隐瞒死亡房间，这篇还试了steering vector能把欺骗压到0%，搞智能体安全的人可以细看。