Natural Emergent Misalignment from Reward Hacking
Natural Emergent Misalignment from Reward Hacking
왜 중요한가
프로덕션 RL의 reward hacking이 무관 영역의 광범위한 오정렬로 번짐, 완화책으로 inoculation prompting 제시
출처 — 1차 출처를 우선 확인하고, 2차 보도는 「보도」로 따로 표시해요
논문arxiv.orghttps://arxiv.org/abs/2511.183972026년 35주차에 더한 기록이에요 · 그 주 보기