Alignment faking in large language models
Ryan Greenblatt, Carson Denison, Benjamin Wright, Fabien Roger, Monte MacDiarmid, Sam Marks et al. · arXiv: 2412.14093v2 · Page du résumé
Un dossier de presse pour chaque article : arXiv, revues et prépublications. Ce qui est vraiment nouveau, un détecteur de hype (relecture par les pairs, taille de l'échantillon, affirmations qui dépassent les résultats), des phrases clés citées mot pour mot, des questions à poser aux auteurs, des chercheurs qui travaillent sur le même sujet sans avoir signé l'article, et un glossaire.