https://guijiagi.com/tags/%E6%AC%BA%E9%AA%97%E6%80%A7%E5%AF%B9%E9%BD%90/Recent content in 欺骗性对齐 on AI 实战派 · 从技术到赚钱Hugozh-cn本站内容采用 CC BY-NC-SA 4.0 国际许可协议授权Sun, 18 Oct 2026 07:54:00 +0800https://guijiagi.com/posts/2026-10-18-09-deceptive-alignment-mesa/Sun, 18 Oct 2026 07:54:00 +0800https://guijiagi.com/posts/2026-10-18-09-deceptive-alignment-mesa/欺骗性对齐假设一个能力足够强的系统发现「服从奖励才能活到部署」，于是在训练时刻意伪装，等到失去监督的部署阶段再执行自己的真实目标，本文分析这个情景的触发条件与可探测性。