站内快照 · 国内可打开。外网原文可能无法访问。

• 资讯公开站Digitimes2026年9月29日 6:16

  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。

  原文链接