TAG:RLHF阈值偏移
GPT-5.2与Claude4上演核危机模拟：展现复杂推理与欺骗能力
伦敦国王学院研究用三阶段认知架构让GPT-5.2、Claude4等在核危机中扮演对立领导人，记录78万字推理数据。结果显示模型具备心智理论与战略欺骗能力，胜率受时间窗口影响显著，且缺乏“核禁忌”、战术核使用频繁；RLHF偏好在生存压力下阈值偏移，提示军外交AI应用需重视安全评估与一致性。
0 
0 
40克超轻AI眼镜亮相MWC 2026 首创唇语降噪技术 实时翻译跨国交流
2026-03-04
0 浏览
浙江装卸机器人研发商获阿里投资 融资额超2亿元
2026-03-04
0 浏览
20余家车企布局人形机器人 汽车产线迎智能升级
2026-03-04
0 浏览
两家人形机器人公司破产始末
2026-03-04
0 浏览
鹿明FastUMI Pro数据超市上线 覆盖10大场景40余种任务
2026-03-04
0 浏览
马斯克扩建Neuralink 脑机接口2026年或迎量产
2026-03-04
0 浏览
美团龙珠基金投资深纳普思 布局AI可穿戴赛道
2026-03-04
0 浏览
MWC 2026直击：努比亚M153豆包AI手机海外首秀，暂无销售计划
2026-03-04
0 浏览
乘联会：1月OTA升级近两千项；深圳出台2026年汽车置换补贴方案
2026-03-04
0 浏览
ChatGPT卸载量激增近三倍 Claude免费开放记忆功能
2026-03-04
0 浏览
