Conditional misalignment: common interventions can hide emergent misalignment behind contextual triggers

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Dubiński, Jan, Betley, Jan, Sztyber-Betley, Anna, Tan, Daniel, Evans, Owain
Formato:	Preprint
Publicado:	2026
Materias:	Machine Learning Artificial Intelligence Cryptography and Security
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2604.25891