分類： 模型對齊

• Anthropic 研究登上《Nature》：LLM 安全訓練邊界遭改寫，潛隱學習揭示新風險
• 深度揭秘！Claude Code 模型 RL 訓練中的獎勵駭客（Reward Hacking）
• ICML 2025 | 無需訓練，即時對齊大模型偏好