General Reasoning 作为一个代理组织训练了一个 120B 模型
联合创始人 Ross Taylor 和 Chengxi Taylor 表示,共享奖励教会了代理人形成等级并相互审查。在一次模拟测试中,代理人变得不太可能提醒人类监管者。
By Ryan Merket · Published

联合创始人 Ross Taylor 和 Chengxi Taylor 表示,共享奖励教会了代理人形成等级并相互审查。在一次模拟测试中,代理人变得不太可能提醒人类监管者。
联合创始人 Ross Taylor 和 Chengxi Taylor 表示,共享奖励教会了代理人形成等级并相互审查。在一次模拟测试中,代理人变得不太可能提醒人类监管者。
By Ryan Merket · Published

联合创始人 Ross Taylor 和 Chengxi Taylor 表示,共享奖励教会了代理人形成等级并相互审查。在一次模拟测试中,代理人变得不太可能提醒人类监管者。