2025-12-16 这一期

这一期没有导语。

本期收录

• RL 训练中缓解对齐伪装的方法 (2025-12-16 · Anthropic Alignment Science)
  Anthropic 构造了一批高伪装率的模型变体，测试了三种缓解方案，其中过程监督最有效但有副作用。