对比 SDF：给同一个模型灌输两种相反的“老师喜好”，看它怎么选
想法来源: x作者: OpenAI热度: 67发布于 2026年7月22日
一种新的测量方法 Contrastive SDF，通过让同一模型持有关于评分者偏好的相反信念，比较行为变化，从而量化模型对奖励信号的依赖程度。
- reward-seeking
- Contrastive SDF
- measurement method
评论
登录后即可评论
还没有评论，来发第一条吧。
← AI 情报