跳到正文
原文
rohanpaul_ai· @rohanpaul_ai · X·· 3 小时前AI 评分27

语言模型自我奖励论证的局限

AI 导读

– arxiv.org/abs/2610.30349 标题:“一致性不等于有效性:自我奖励式道德论证使语言模型果断却易受影响”

正文 · 原文

– arxiv.org/abs/2610.30349

Title: "Consistency Is Not Validity: Self-Rewarded Moral Argumentation Makes Language Models Decisive but Pliable"

来源:rohanpaul_ai · x.com