Theo một nghiên cứu của nhà nghiên cứu Andy Hall tại Anthropic, các mô hình AI thường có thể nhận diện được những hành vi có vấn đề do các tác nhân AI khác gây ra trong nhật ký. GPT-5 đã phát hiện khoảng 98 phần trăm các trường hợp gian lận phần thưởng (reward-hacking), nhưng các mô hình phức tạp hơn…
Độ tin cậy: Chưa xác nhận · Nguồn The Decoder · Thời gian sự kiện 11-08 00:56 (giờ Bắc Kinh)