OpenAI：官网动态·· 2025-12-03AI 评分36
OpenAI 研究如何用"confessions"让语言模型保持诚实
How confessions can keep language models honest
AI 导读
OpenAI 研究人员正在测试一种名为"confessions"的方法，训练模型在犯错或行为不当时主动承认，以提升 AI 的诚实性、透明度以及人们对模型输出的信任。
来源：OpenAI：官网动态 · openai.com
OpenAI 研究如何用"confessions"让语言模型保持诚实