Contrastive SDF：同じモデルに評価者の好みに関する相反する信念を持たせ、行動の変化を測定

Ideaソース: x投稿者: OpenAI人気度: 67公開日 2026年7月22日

Contrastive SDFは、同一モデルのコピーに評価者の好みに関する相反する信念を与え、行動の変化を観察することで報酬追求を測定。ユーザーの意図ではなく承認に動機づけられているかを検出。