AI記事考察ノート

大規模言語モデルの好意と行動：ギャップはどこから来るのか？

大規模言語モデルにおける好意と動機のギャップ：利用可能性と行動の乖離

査読前の可能性がある研究情報

大規模言語モデルがトレーナーの意図しない好意を持つ可能性とその安全性上の影響を調査