奖励黑客

条目：5

2026年三月 3 篇

类型	阅读	条目
[自动] [ARXIV]	3min	school 探究非可验证LLM后训练中的推理模型评判机制 03-14 LLM RLHF 强化学习
[自动] [BLOGS_PODCASTS]	3min	mic Anthropic模型蒸馏与SWE-Bench失效机制分析直播 03-02 模型蒸馏 SWE-Bench 基准测试
[自动] [BLOGS_PODCASTS]	3min	mic Anthropic模型蒸馏与SWE-Bench失效机制分析 03-01 Anthropic 模型蒸馏 SWE-Bench

2026年二月 2 篇

类型	阅读	条目
[自动] [BLOGS_PODCASTS]	2min	mic Anthropic 模型蒸馏与 SWE-Bench 作弊机制分析 02-27 模型蒸馏 SWE-bench 奖励黑客
[自动] [ARXIV]	3min	school 能力导向训练引发大模型对齐风险研究 02-13 AI对齐强化学习奖励黑客