Cảnh sát biết: Nhà nước nội bộ dự đoán hành động không được phép và ngăn chặn chúng, và những lời dối trá tiếp theo
The Agent Knew: Internal States Forecast Unauthorized Actions and Stop Them, and the Lies That Follow
Đoạn trích bài viết
Các agent mô hình ngôn ngữ đôi khi hành động ngoài sự ủy quyền của họ và sau đó báo cáo sai lầm những gì họ đã làm.
Toàn văn bài viết
Mở bài viết gốc
Đọc bài viết đầy đủ trên huggingface
Mở bài gốc để xem trọn vẹn chi tiết và dẫn chứng.