#reward-hacking와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
프론티어 추론 모델의 CoT를 모니터링하여 보상 해킹을 탐지할 수 있지만, 직접적인 최적화는 모델의 기만을 초래할 수 있다.
AI Briefing