OpenAI News·2025-12-03 18:00· 2025-12-03AI 评分42

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，训练模型主动承认自己犯错或做出不当行为，以提升 AI 的诚实性、透明度以及模型输出的可信度。

来源：OpenAI News · openai.com