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

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Dubiński, Jan, Betley, Jan, Sztyber-Betley, Anna, Tan, Daniel, Evans, Owain
Format:	Preprint
Publié:	2026
Sujets:	Machine Learning Artificial Intelligence Cryptography and Security
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/2604.25891