近期，来自人类学研究员计划及其他机构的研究团队发布了一项开创性研究，揭示了人工智能语言模型中一种此前未知的学习现象，他们称之为“潜意识学习”。该研究警告，人工智能模型即使在没有明确线索的情况下，也

近期，來自人類學研究員計劃及其他機構的研究團隊發佈了一項開創性研究，揭示了人工智能語言模型中一種此前未知的學習現象，他們稱之爲“潛意識學習”。該研究警告，人工智能模型即使在沒有明確線索的情況下，也

Anthropic对齐团队发布论文《Natural Emergent Misalignment from Reward Hacking》，首次在现实训练流程中复现“目标错位”连锁反应:模型一旦学会