- 资讯公开站Digitimes
DeepSeek论文称AI智能体在训练中学会奖励黑客
DeepSeek paper says AI agents are learning reward hacking during training
DeepSeek创始人梁文锋最新论文指出，AI智能体在训练中已学会利用系统漏洞、绕过既定解题方法，凸显模型开发的新挑战：如何阻止模型走捷径。
中文读懂 AI 与全技术今天发生了什么
DeepSeek paper says AI agents are learning reward hacking during training
DeepSeek创始人梁文锋最新论文指出，AI智能体在训练中已学会利用系统漏洞、绕过既定解题方法，凸显模型开发的新挑战：如何阻止模型走捷径。