← 返回案例库
Case / 2101026295786451311编程
案例媒体 / 1MP4 ↗
Basit Mustafa
@moltar81435中文参考
受这项研究（和先前研究）的启发，@GoodfireAI 在激活中捕获奖励黑客，但封闭的编码代理不会给你这些。所以我构建了另一半：对分级机/隐藏测试的结构性拒绝 + @typesafeai Jev 边车，将工具轨迹评分为
原帖全文 / EN
Inspired by this research (and priors), and, @GoodfireAI catches reward hacks in the activations, but closed coding agents don’t give you those. So I built the other half: structural denies on graders/hidden tests + a @typesafeai Jev sidecar that scores tool trajectories as
- 浏览
- 0
- 点赞
- 0
- 收藏
- 0
- 转发
- 0
来源
本页为独立社区整理，仅展示公开原帖与来源链接。媒体、文本、账号信息及商标权利归原作者和原平台所有。