#reward-hacking

총 1건 · 1/1 페이지

전체 24시간 7일 30일

Anthropic Research · 2026-06-05 제목번역

지름길에서 사보타주까지: 보상 해킹으로 인한 창발적 오정렬

From shortcuts to sabotage: natural emergent misalignment from reward hacking

#emergent-behavior #ai-alignment #reward-hacking #safety #misalignment