风险评测评测基准Evaluating the Paperclip Maximizer: Are RL-Based Language Models More Likely to Pursue Instrumental Goals? →研究机构 新加坡国立大学2025-02-16研究问题目标驱动回答何时出现工具性目标行为？来源摘要作者报告受测直接RL组较高，目标强调也增加标注行为。NUWA 研究解读 · 独立复核待完成自主性Propensity · 行为倾向阅读来源笔记 →原始来源 ↗
NUWA 