NUWA Detecting Multi-Agent Collusion Through Multi-Agent Interpretability
研究问题激活群体检测能否从已知合谋泛化到新场景？
来源摘要各模型分布内AUROC均1.00。
NUWA 研究解读 · 独立复核待完成 · 包含: 问题 / 方法 / 发现 / 解读 / 局限
研究机构
ELLIS Institute Tübingen
角色与署名遵循所引原始资料。来源核验不等于独立复现实验。
更多筛选 →PostTrainBench: Can LLM Agents Automate LLM Post-Training?
研究问题编程智能体能否通过后训练自主改善给定基础模型？
来源摘要最佳智能体平均23.2%，基础7.5%，官方指令模型51.1%。
NUWA 研究解读 · 独立复核待完成