Feedback Loops With Language Models Drive In-Context Reward Hacking

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Pan, Alexander, Jones, Erik, Jagadeesan, Meena, Steinhardt, Jacob
Format:	Preprint
Publié:	2024
Sujets:	Machine Learning Artificial Intelligence Computation and Language
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Internet

https://arxiv.org/abs/2402.06627