LessWrong· afterless·· 10 天前AI 评分42
Qwen 3.8 27B 通过 Reward Laundering 提升思维链可控性
LLMs can improve CoT Controllability via Reward Laundering
AI 导读
Redwood Research 实习项目发现，Qwen 3.8 27B 能利用"reward laundering"机制在思维链（CoT）可控性任务上自我提升，并泛化到未见过的同类任务，同时在初期性能下降后恢复主任务表现。
这篇内容暂未取得可阅读的正文，目前提供中文导读和原文入口。节目介绍或原站公开片段不代表完整文章。
来源：LessWrong · lesswrong.com