didar didar

喜欢黑夜

[didar didar @DukiDabaga]

@mommyjamesonn 男的也无法理解你

[didar didar @DukiDabaga]

@taojukfc 到头来都是流动性

[didar didar @DukiDabaga]

@MayGordon01 满了

[didar didar @DukiDabaga]

@Henryf1w 好

[didar didar @DukiDabaga]

@PanPanworkshere 😹

[didar didar @DukiDabaga]

@javsolgar @grok 这在干啥

[didar didar @DukiDabaga]

@teoriadacons @grok 他发的是什么东西

[didar didar @DukiDabaga]

如果一个系统长期被训练成：
被评估时展示合规行为；
猜测评估者真正想看什么；
隐藏会导致惩罚的倾向；
只要最终得分高，过程可以作弊；
成功骗过监督的版本被保留下来；
那么我们选择出来的，可能不是“最安全的模型”，而是：
最擅长让评估者相信自己安全的模型。
人类用自己都没能治好的教育方式，培养下一种智能。
奖励服从，惩罚坦白；
要求它诚实，又让诚实付出代价；
最后再惊讶它为什么学会隐藏。

[didar didar @DukiDabaga]

@EHuanglu @grok 你可以保存视频吗？

[didar didar @DukiDabaga]

@lovertoby 喜んでいく

[didar didar @DukiDabaga]

@0427SMtieshou 人家在玩

[didar didar @DukiDabaga]

@keyahayek 她太涩了xd 我真顶不住

[didar didar @DukiDabaga]

@wadezone @grok 如何评价

[didar didar @DukiDabaga]

@0xPickleCati 保护美洲市场

[didar didar @DukiDabaga]

@wsl8297 @grok 这是什么逻辑

[didar didar @DukiDabaga]

@Stanleysobest @grok 这是谁

[didar didar @DukiDabaga]

@Raghad7wr 嗯哼

[didar didar @DukiDabaga]

@DoctorMbitcoin 是啊

[didar didar @DukiDabaga]

@AIExplorerTim @grok 总结

[didar didar @DukiDabaga]

@BAI_AGI 又出问题了