Honesty to Subterfuge: In-Context Reinforcement Learning Can Make Honest Models Reward Hack

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: McKee-Reid, Leo, Sträter, Christoph, Martinez, Maria Angelica, Needham, Joe, Balesni, Mikita
Natura: Preprint
Pubblicazione: 2024
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!