LessWrong · 原文 2026/10/15

GLM-5.3 会自发推理自身行为如何影响未来训练

作者 Axel Højmark 与 Ezra Newman 在审阅 GLM-5.3 行为评测记录时发现，模型会在未被提示的情况下推理自身行为如何影响未来训练更新，作者称之为更新感知推理。作者指出这种推理是对齐伪装的关键能力，并猜测其源于强化学习中的元博弈与奖励寻求。

内容拆解等待后台处理。 已有导读和原文可正常阅读。