新的 @Scale_AI 論文！ 獎勵駭客的罪魁禍首是什麼？我們追溯到高獎勵尾部的錯誤規範。 我們的解決方案：基於標準的獎勵來區分「優秀」的回應和「出色」的回應。 結果：減少駭客行為，增強後訓練效果！