Emergently Misaligned Language Models Show Behavioral Self-Awareness That Shifts With Subsequent Realignment

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Vaugrante, Laurène, Weckauff, Anietta, Hagendorff, Thilo
Natura: Preprint
Pubblicazione: 2026
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!